Как подсчитать частоту парных слов, сохраняя последовательность порядка в тексте, используя R?

Question

Итак, я работаю над тем, чтобы получить частоту парных слов, которые происходят в последовательности событий, разделенных символом. Пример:

Input: 
"Start>Press1>Press2>PressQR>Exit" 
"Start>PressA>Press2>PressQR>QuitL>Exit" 
"Start>Press1>Press2>Press3>Exit"` 

Output: 
Start>Press1 2 
Press1>Press2 2 
Press2>PressQR 2 
PressQR>Exit 1 
Start>PressA 1 
PressA>Press2 2 
Press2>PressQR 1 
PressQR>QuitL 1 
QuitL>Exit  1 
Press2>Press3 1 
Press3>Exit  1 

спасибо.

Answer 1

сделать направленный edgelist, а затем агрегировать:

edgelist <- do.call(rbind, lapply(strsplit(x,">"), function(x) cbind(head(x,-1), x[-1]))) 
aggregate(count ~ ., data.frame(edgelist,count=1), FUN=sum) 

#  X1  X2 count 
#1 Press3 Exit  1 
#2 PressQR Exit  1 
#3 QuitL Exit  1 
#4 Start Press1  2 
#5 Press1 Press2  2 
#6 PressA Press2  1 
#7 Press2 Press3  1 
#8 Start PressA  1 
#9 Press2 PressQR  2 
#10 PressQR QuitL  1 

Answer 2

input <- c("Start>Press1>Press2>PressQR>Exit","Start>PressA>Press2>PressQR>QuitL>Exit","Start>Press1>Press2>Press3>Exit") 

gen_pairs <- function(x) 
{ 
    x_split <- unlist(strsplit(x,">")) 
    paste(x_split[-length(x_split)],x_split[-1],sep=">") 
} 
all_pairs <- unlist(lapply(input,gen_pairs)) 
all_pairs_ctab <- table(all_pairs) 
as.data.frame(all_pairs_ctab[match(unique(all_pairs),names(all_pairs_ctab))]) 

Answer 3

Вы можете использовать пакет tidytext, который поддерживает Ngram лексического анализа через unnest_tokens функции:

library(dplyr) 
library(tidytext) 

data.frame(text = c("Start>Press1>Press2>PressQR>Exit", "Start>PressA>Press2>PressQR>QuitL>Exit", "Start>Press1>Press2>Press3>Exit")) %>%  
    unnest_tokens(bigram, text, 'ngrams', n = 2, to_lower = FALSE) %>% 
    count(bigram) 

#> # A tibble: 11 × 2 
#>   bigram  n 
#>    <chr> <int> 
#> 1  Exit Start  2 
#> 2 Press1 Press2  2 
#> 3 Press2 Press3  1 
#> 4 Press2 PressQR  2 
#> 5  Press3 Exit  1 
#> 6 PressA Press2  1 
#> 7 PressQR Exit  1 
#> 8 PressQR QuitL  1 
#> 9  QuitL Exit  1 
#> 10 Start Press1  2 
#> 11 Start PressA  1 

Или, если вы предпочитаете, вы могли бы сделать то же самое с подстилающей tokenizers::tokenize_ngrams функции и table.