どのように単語を文から区切り、平均するのですか？テキストマイニングR

Question

私は何百もの電子メールの件名リストを持っています。件名ごとに、私は電子メールのオープンレート（開封済み電子メール/配信済み電子メール）の値を持っています。 例： list of subject lines

いくつかの単語には平均開封率に影響があるかどうかわかります。

たとえば、電子メールの件名に「ありがとう」と書いても、電子メールの開封率が高くなる可能性があります。

論理的な手順を正しく理解していれば、電子メールの件名に含まれるすべての単語のリストを作成し、各単語がすべての件名間の平均を作成する必要があります。 例： average per word

誰かがRでそれを行うのを手助けできますか？私は、テキストマイニングパッケージが役に立つと思う。

ありがとうございました！

Answer 1

ヘッダーの単語を独立変数としてロジスティック回帰を試してみませんか？または、単語の数が少ない場合、または単語をグループ化できたかどうか、おそらく重回帰。

Answer 2

私の主な問題は、電子メールのタイトルを含む文字列を分割することです。

strsplit()関数を使用すると、そうすることができます。たとえば
：
yourstring <- "A string, full of punctuation ! And spaces !" tosplit <- c(" ", "!", ...) matrix <- strsplit(yourstring, tosplit)

その後、私はあなたがあなたのデータ・セットの列に行列の各単語を置くためにループを使用することができると思います。 （ご希望の場合は、すべての単語があまりにも小文字に変更する必要があり、：tolower(matrix)）
その後

を、あなたのデータフレームの確実table()またはsummary()は、あなたがより良い視覚化するのに役立ちます。

テキストマイニングパッケージに関しては、私は何かを認識していませんが、いくつかあると思います。

Answer 3

私はすべてのコメントを見た後、私は1つのコードに整理しようとします。私のために働く。 ありがとうございます。

SentencesVector ### vector with the sentences 
AveragesVector ### vector with the averages open rate 
SubjectLineTable = data.frame(AveragesVector,SentencesVector) 

library(tm) 
corpus <- Corpus(VectorSource(SentencesVector)) 
myTdm <- TermDocumentMatrix(corpus) 
temp <- inspect(myTdm) 
FreqMat <- data.frame(ST = rownames(temp), Freq = rowSums(temp)) 
row.names(FreqMat) <- NULL 

localAverage = 0 
counter = 0 
averageTable = 0 

for(i in 1:nrow(FreqMat)){ 
    for(j in 1:nrow(SubjectLineTable)){ 
     if(grepl(FreqMat[i,1],SubjectLineTable[j,2])){ 
      counter = counter+1 
      localAverage[counter] = SubjectLineTable[j,1]} 
    } 
    averageTable[i] = mean(localAverage) 
    localAverage = 0 
    counter = 0 
} 
FreqMat$means = averageTable 
FreqMat 

fit = step(glm(means~.,data = FreqMat)) 
summary(fit)