Estou precisando fazer uma análise de livros em português brasileiro. Para organizar uma lista de frequências das palavras por livro estou usando os comandos:
GS.tidy <- GS %>%
unnest_tokens(word, text)
MM.tidy <- MM %>%
unnest_tokens(word, text)
NS.tidy <- NS %>%
unnest_tokens(word, text)
Sa.tidy <- Sa %>%
unnest_tokens(word, text)
frequencia.guimaraes <- bind_rows(mutate(MM.tidy, livro = "MM"),
mutate(GS.tidy, livro = "GS"),
mutate(NS.tidy, livro = "NS"),
mutate(Sa.tidy, livro = "Sa")) %>%
mutate(word = str_extract(word, "[a-z']+")) %>%
count(livro, word) %>%
group_by(livro)
Entretanto percebi que as palavras acentuadas estão sumindo e elas precisariam ficar. Há alguma dica?
Muito obrigado!