No Iramuteq
tem uma análise bem comum, que é a Classificação Hierárquica Descendente (CHD) ou também conhecido por método de Reinert.
Segue exemplo do que se trata a mesma: https://www.youtube.com/watch?v=H9xliY7Zy40
Ela agrupa textos parecidos, criando novas "seções" (similar a análise fatorial).
- Como posso fazer a mesma no R?
- Tem algum nome em inglês para a mesma?
Segue um exemplo da mesma:
Inicia-se a análise com o seu corpus Textual:
library(quanteda)
dfm1 <- dfm(data_corpus_irishbudget2010)
e a partir dele (imagino eu), reproduz-se a CHD que tem os seguintes resultados principais:
Ele cassifica o seu copurs/texto em diferentes seções (classes), semelhante aos fatores da análise fatorial. De forma que 30,4% do texto foi classificado na Classe 4, 28,4% foi classificado na Classe 3 (outro assunto). E as mesmas tem uma interpretação prática, conforme as palavras mais frequentes que aparecem em cada classe, e é apresentado abaixo a outra tabela bem comum:
Conforme a palavra/atributo que aparece na classe, eles dão nome para a classe, como por exemplo, a Classe 4 trata-se sobre aspectos nutricionais, pois as palavras que aparecem conjuntamente basicamente consistem em alimentos.
R
, veja?hclust
.dfm
que é gerado na mineração de textos, e aí aplicar ohclust
, mas não é a mesma coisa. Essa técnica, pelo que eu entendi, agrupa os textos dentro de uma seção, e em seguida, informa qual palavra está associada com a seção a partir do Qui-Quadrado