text2vec：関数create_vocabularyを使用した後に語彙を繰り返します。

Question

text2vecパッケージを使用して、ボキャブラリを作成しました。

vocab = create_vocabulary(it_0, ngram = c(2L, 2L)) 

単語はこの

> vocab 
Number of docs: 120 
0 stopwords: ... 
ngram_min = 2; ngram_max = 2 
Vocabulary: 
        terms terms_counts doc_counts 
    1: knight_severely   1   1 
    2:  movie_expect   1   1 
    3: recommend_watching   1   1 
    4:  nuke_entire   1   1 
    5:  sense_keeping   1   1 
    ---           
14467:   stand_idly   1   1 
14468: officer_loyalty   1   1 
14469: willingness_die   1   1 
14470:   fight_bane   3   3 
14471:  bane_beginning   1   1 

どのように私は、列terms_countsの範囲を確認することができようになりますか？それは私の次のステップですプルーニング中に私のために参考になるので、私はこれを必要と

コードの下

pruned_vocab = prune_vocabulary(vocab, term_count_min = <BLANK>) 

は、いくつかのメタ情報の一覧が

library(text2vec) 

text <- c(" huge fan superhero movies expectations batman begins viewing christopher 
      nolan production pleasantly shocked huge expectations dark knight christopher 
      nolan blew expectations dust happen film dark knight rises simply big expectations 
      blown production true cinematic experience behold movie exceeded expectations terms 
      action entertainment",              
      "christopher nolan outdone morning tired awake set film films genuine emotional 
      eartbeat felt flaw nolan films vision emotion hollow bought felt hero villain 
      alike christian bale typically brilliant batman felt bruce wayne heavily embraced 
      final installment bale added emotional depth character plot point astray dark knight") 

it_0 = itoken(text, 
       tokenizer = word_tokenizer, 
       progressbar = T) 

vocab = create_vocabulary(it_0, ngram = c(2L, 2L)) 
vocab 

Answer 1

がrange(vocab$vocab$terms_counts)

Answer 2

vocabを試してみて、再現されています（ドキュメント数、ngramサイズなど）、メインのdata.frame/data.table（ワード数とドキュメント数）

すでに言及したように、vocab$vocabが必要です（data.tableカウントあり）。

あなたはできるstr(vocab)を呼び出すことにより、内部構造を発見：

List of 5 
$ vocab   :Classes ‘data.table’ and 'data.frame': 82 obs. of 3 variables: 
    ..$ terms  : chr [1:82] "plot_point" "depth_character" "emotional_depth" "bale_added" ... 
    ..$ terms_counts: int [1:82] 1 1 1 1 1 1 1 1 1 1 ... 
    ..$ doc_counts : int [1:82] 1 1 1 1 1 1 1 1 1 1 ... 
    ..- attr(*, ".internal.selfref")=<externalptr> 
$ ngram   : Named int [1:2] 2 2 
    ..- attr(*, "names")= chr [1:2] "ngram_min" "ngram_max" 
$ document_count: int 2 
$ stopwords  : chr(0) 
$ sep_ngram  : chr "_" 
- attr(*, "class")= chr "text2vec_vocabulary"