R 如何根据分组变量计算quanteda中的搭配？

我一直致力于识别和分类R中Quenteda软件包中的搭配

比如,

我从文档列表中创建token对象，并应用搭配分析

toks <- tokens(text$abstracts)
collocations <- textstat_collocations(toks)

---

toks听起来你希望通过文档来理顺搭配。
textstat_collabons（）
的输出已经为每个搭配提供了计数，但这些计数是针对整个语料库的

因此，按文档（或任何其他变量）分组的解决方案是

使用
textstat\u compositions（）
获取搭配。下面，我在删除停止词和标点符号后完成了这项工作
使用
tokens\u composite（）
，合成生成停止字的标记。这会将每个搭配序列转换为单个标记
从复合代币形成dfm，并使用
textstat\u frequency（）
按文档对复合币进行计数。
这有点棘手
使用内置的就职语料库实现：

库（“quanteda”）
##软件包版本：3.0
##Unicode版本：13.0
##ICU版本：69.1
##并行计算：使用12个线程中的12个。
##看https://quanteda.io 有关教程和示例。
库（“quanteda.textstats”）
toks%
尾部（10）%>%
令牌（删除\u点=TRUE，填充=TRUE）%>%
标记（stopwords（“en”），padding=TRUE）
科尔%
dfm_保持（“**”）

该dfm已包含每个搭配的“按文档计数”，但如果希望计数采用data.frame格式，并带有分组选项，请使用
textstat\u frequency（）
。这里我只按文档输出了前两个，但如果删除
n=2
，它将按文档提供所有搭配的频率

textstat\u频率（dfmat，组=docnames（dfmat），n=2）%>%
总目（10）
##特征频率秩docfreq组
##1核武器4 1 1985年里根
##2人类自由3 2 1 1985里根
##3新风4 1 1989布什
##4新接触3 2 1 1989布什
##5让我们7 1 1993年克林顿
##6美国同胞4 2 1 1993年克林顿
##7让我们6 11 1997年克林顿
##8新世纪611997克林顿
##9国家的承诺2001年布什
##10共同利益21 2001布什
太棒了！非常感谢你。