traitement de texte

1 pièce(s) jointe(s)

traitement de texte

Bonjour,
Je voudrais extraire à partir d'un fichier texte les mots les plus frequents.
Je sais qu'avec cette commande

Code:

scan("file.txt", character(0))

je peux avoir la liste des mots du fichier.
Ma question est de savoir s'il existe peut etre une fonction qui donnerait les occurences de chaque mot.

Merci

P-J:fichier teste

Bonjour,

En partant de votre code, ceci est un début :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
L<-scan("fic.txt",character(0))
L
   [1] "Let's"            "begin"            "our"             
   [4] "discussion"       "of"               "minimum"         
   [7] "edit"             "distance"         "by"              
  [10] "defining"         "minimum"          "edit"            
  [13] "distance."        "Minimum"          "at"              
  [16] "a"                "distance"         "is"              
  [19] "a"                "way"              "of"              
  [22] "solving"          "the"              "problem"         
  [25] "of"               "string"           "similarity,"     
  [28] "how"              "similar"          "are"
 
  ("...")
 
table(L)
               a                A               A,             able 
              28                4                1                1 
           about         accuracy            added          advisor 
               1                1                1                2 
          afford           again,        algorithm            align 
               1                1                1                2 
          align.        alignment       alignment.           aligns 
               1                4                1                1 
             all              All            along         Alright. 
               4                2                1                1 
            also           amount               an              and 
               1                1                8               27 
 
		("...")

Mais il y a très probablement moyen de faire mieux que l'utilisation de "scan" en ce qui concerne la récupération d'une liste des mots du fichier car ici on va tomber sur des éléments avec des apostrophes, des virgules, des parenthèses, etc...

Avez-vous regardé du côté des fonctions spécifiques au "text-mining" comme vous l'a suggéré vchouraki ici?
Je n'ai personnellement pas le temps d'y jeter un oeil pour le moment mais je pense que vous devriez y trouver votre bonheur.

Bonne continuation :)

Cordialement,

A.D.

Merci AD, effectivement le lien contient beaucoup de packages qui devraient faire l'affaire, en plus de ça j'ai trouvé un package (ttda) qui n'est pas mal non plus.
Merci.