如何在R中找到并绘制n-gram的频率？

在R中找到并绘制n-gram的频率，可以通过以下步骤实现：

安装和加载必要的包：

install.packages("tm")
install.packages("RWeka")
install.packages("ggplot2")
library(tm)
library(RWeka)
library(ggplot2)

准备文本数据：

text <- c("This is a sample sentence.", "Another sentence for testing.")

创建一个语料库对象：

corpus <- Corpus(VectorSource(text))

对文本进行预处理，包括转换为小写、去除标点符号和数字等：

corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeNumbers)

创建n-gram模型：

ngram <- function(x, n) {
  unlist(lapply(n, function(n) {
    unlist(lapply(nchar(x) - n + 1, function(i) {
      substr(x, i, i + n - 1)
    }))
  }))
}

ngram_corpus <- tm_map(corpus, content_transformer(ngram), n = 2)  # 2-gram示例

计算n-gram的频率：

ngram_freq <- table(unlist(ngram_corpus))
ngram_freq <- sort(ngram_freq, decreasing = TRUE)

绘制n-gram的频率图表：

df <- data.frame(ngram = names(ngram_freq), freq = as.numeric(ngram_freq))
ggplot(df, aes(x = ngram, y = freq)) + geom_bar(stat = "identity") + theme(axis.text.x = element_text(angle = 45, hjust = 1))

这样，你就可以在R中找到并绘制n-gram的频率了。请注意，以上代码仅为示例，实际应用中可能需要根据具体需求进行适当调整。