Rのテキストマイニング　バイグラムで行番号を付与する方法

実現したいこと

以下のCSVもしくはExcelデータを仮定します

行番号　　　文章
１　　　　　私は料理をする
２　　　　　私は運動をする

バイグラムを行い、以下のようなデータを出力したいと考えています。
N1 　　N2 　　　　POS1 　　　　　 POS2 　　　行番号
料理　　　する　　名詞-動詞　　サ変接続-自立　 1
私　　　料理　　名詞-名詞　　　代名詞-サ変接続 1
私　　　運動　　名詞-名詞　　　代名詞-サ変接続 2
運動　　　する　　名詞-動詞　　サ変接続-自立　2

上記のように出力するための
コードをご教示いただけますと大変幸いです。

試したこと

以下のCSVファイルを用意しました（ファイル名：Book１）
※ヘッダーに行番号や文章というヘッダーを追加するとエラーになるため、取り除きました。

私は料理をする
私は運動をする

Rで以下のスクリプトを実行しました
library(RMeCab)
library(dplyr)
bigram<-docDF("/ファイルの場所/Book1.csv", type=1, nDF=1, N=2, pos=c("名詞", "形容詞", "動詞"))

結果は以下になりました。
bigram
N1 　　N2 　 POS1　 POS2 　　　　Book1.csv
1 料理　　する　　名詞-動詞サ変接続-自立 1
2 私　　料理　　名詞-名詞　代名詞-サ変接続 1
3 私　　運動　名詞-名詞　代名詞-サ変接続 1
4 運動　　する　名詞-動詞サ変接続-自立 1

上記の場合ですと、行番号ではなく、出現頻度が出てきてしまいます。
バイグラムの結果と、元データの行番号をリンクさせる方法をご教示いただけますと大変幸いでございます。

他のライブラリでの方法でも問題ございませんので、
ご教示いただけますと幸いです。

行動規範の内容に同意します

回答1件

ベストアンサー

日本語の1行がdfの1レコードとなるようcsvを読み込み、
docDFにdfと列番号を与えればお望みに近い形が出力されます。
あとは必要に応じてlong形式にするなどデータ変形するとよいでしょう。

library(RMeCab); library(dplyr); library(readr)
library(tidyr); library(stringr)  # long形式化で利用

# 注意 docDFはdata.frameでないとうまく動作しない (tibbleではダメ)
the_df <- as.data.frame(readr::read_csv("hoge/Book1.csv", col_names = NA))   # もし列名があるなら、col_name = NAは除外
# (デフォ列名は X1,X2,...。実際のデータの列数・列名に応じて適宜変更してください)
bigram <- docDF(the_df, col = "X1", type = 1, nDF = 1, N = 2, pos = c("名詞", "形容詞", "動詞"))
# wide形式
bigram
#     N1   N2      POS1            POS2 Row1 Row2
# 1 料理 する 名詞-動詞   サ変接続-自立    1    0
# 2   私 料理 名詞-名詞 代名詞-サ変接続    1    0
# 3   私 運動 名詞-名詞 代名詞-サ変接続    0    1
# 4 運動 する 名詞-動詞   サ変接続-自立    0    1

# long形式にしたい場合
bigram %>% 
  tidyr::pivot_longer(cols = -c(N1, N2, POS1, POS2), names_to = "rowind", values_to = "freq") %>% 
  filter(freq != 0) %>% 
  mutate(rowind = stringr::str_remove(rowind, "Row"))
#  　N1    N2    POS1      POS2            rowind  freq
#   <chr> <chr> <chr>     <chr>           <chr>  <int>
# 1 料理  する  名詞-動詞 サ変接続-自立   1          1
# 2 私    料理  名詞-名詞 代名詞-サ変接続 1          1
# 3 私    運動  名詞-名詞 代名詞-サ変接続 2          1
# 4 運動  する  名詞-動詞 サ変接続-自立   2          1