Mensaje a la Nación 2024

Instalar los paquetes necesarios

install.packages(c("tm", "SnowballC", "wordcloud", "pdftools"))

Error in install.packages : Updating loaded packages

Cargar las librerias

library(tm)

Aviso: package ‘tm’ was built under R version 4.4.3Cargando paquete requerido: NLP
Aviso: package ‘NLP’ was built under R version 4.4.2

library(SnowballC)
library(wordcloud)

Aviso: package ‘wordcloud’ was built under R version 4.4.3Cargando paquete requerido: RColorBrewer

library(pdftools)

Aviso: package ‘pdftools’ was built under R version 4.4.3Using poppler version 23.08.0

Leer el texto del archivo en PDF

pdf_file <- file.choose()
texto_pdf <- pdf_text(pdf_file)

Crear un objeto Corpus

corpus <- Corpus(VectorSource(texto_pdf))

Limpiar el Texto

corpus <- tm_map(corpus, tolower) # Convertir a minúsculas

Aviso: transformation drops documents

corpus <- tm_map(corpus, removeNumbers) # Eliminar números

Aviso: transformation drops documents

corpus <- tm_map(corpus, removePunctuation) # Eliminar puntuación

Aviso: transformation drops documents

corpus <- tm_map(corpus, stripWhitespace) # Eliminar espacios en blanco

Aviso: transformation drops documents

corpus <- tm_map(corpus, removeWords, words = stopwords("spanish")) # Eliminar stopwords

Aviso: transformation drops documents

Steamming (opcional)

corpus <- tm_map(corpus, stemDocument, language = "spanish") # Stemming en español

Aviso: transformation drops documents

Crear una matriz de términos-documento (TDM)

tdm <- TermDocumentMatrix(corpus, control = list(
  wordLengths = c(1, Inf) # Considera palabras de cualquier longitud
))

# Convertir la TDM a una matriz
matriz_tdm <- as.matrix(tdm)

# Obtener la frecuencia de palabras
frecuencia_palabras <- sort(rowSums(matriz_tdm), decreasing = TRUE)

Crear la nube de palabras

wordcloud(names(frecuencia_palabras), frecuencia_palabras,
  max.words = 50, random.order = FALSE, colors = brewer.pal(name = "Dark2", n = 8))