Hola Miriam, No he visto que se use un filtro por defecto para el valor de tf-idf.
En tu caso, tendrás que ver cúal es ese punto de corte que te revela señal, justo de los términos que te interesan. Mira la distribución de palabras y su valor de tf-idf y selecciona tu corte. Gracias, Carlos. www.qualityexcellence.es El mié., 29 abr. 2020 a las 14:00, <miriam.alz...@unavarra.es> escribió: > Hola, > > Acabo de calcular tf-idf y me surge una duda. ¿Habría un valor de idf o > tf-idf que se considerara como umbral para establecer que una palabra es > muy común o no? Los valores de idf en mis datos van entre 0 y 3.78 y los > de tf-idf ente 0 y 0.07. > > Un saludo > > El Mar, 28 de Abril de 2020, 12:53, Carlos Ortega escribió: > > Hola, > > Yo de primeras los quitaría para qué otros topics aparecen. > > > > Y también aplicaría tf-idf a tus comentarios. Con tf-idf seguro que > > desaparecen como relevantes esas palabras comunes, será otra forma de > > confirmar que es buena la decisión de hacer el análisis eliminandolas. > > > > Saludos, > > Carlos Ortega > > > https://protection.puc.rediris.es/fmlurlsvc/?fewReq=:B:JVI2PTg1Nip6MT0iPCplaDE8PTY8PSp/ZWtibXh5fmkxNW1qPG49bm09PzluaDtpPzk9aG5uPj89bm0/bj06bjpvOWk7PDtuaSp4MT05NDQ8Oz0+Pz4qfWVoMTw/X01+fFVmPD47OTg0ITw/X01+fFVgPD47OTg0Kn5vfHgxYWV+ZW1hIm1gdm14aUx5Ym16bX5+bSJpfypvMTU8&url=http%3a%2f%2fwww.qualityecellence.es > > > > El mar., 28 abr. 2020 a las 11:44, <miriam.alz...@unavarra.es> escribió: > > > >> Buenos días, > >> > >> Estoy realizando un análisis de topic models con el método LDA. En > >> principio, he quitado del análisis las palabras "stopwords" universales. > >> A > >> la hora de ver los topics y sus palabras más frecuentes encuentro que > >> son > >> muy similares y hay palabras que aparecen en todos los topics. Los > >> textos > >> que estoy analizando son opiniones de consumidores sobre una categoría > >> concreta de cosméticos, por lo que la temática es muy concreta y puede > >> ser > >> que en todas las opiniones se hable de cosas similares. > >> > >> Mi pregunta es, incluiríais estas palabras que me aparecen en todos los > >> topics o casi todos como stopwords? Hay alguna forma de refinar más el > >> análisis y que haya más diferencias entre topics? > >> > >> Este es el código que estoy usando: > >> > >> Reviews_dtm <-text_df12star %>% > >> unnest_tokens(word, text) %>% > >> anti_join(stop_words)%>% > >> count(Brand, word) %>% > >> cast_dtm(Brand, word, n) > >> > >> > >> Reviews_lda <- LDA(Reviews12_dtm, k = 15, control = list(seed = 2016)) > >> > >> Un saludo > >> > >> Miriam > >> > >> _______________________________________________ > >> R-help-es mailing list > >> R-help-es@r-project.org > >> https://stat.ethz.ch/mailman/listinfo/r-help-es > >> > > > > > > -- > > Saludos, > > Carlos Ortega > > www.qualityexcellence.es > > > > > > > -- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list R-help-es@r-project.org https://stat.ethz.ch/mailman/listinfo/r-help-es