Please cite this package as:
Chan, C.H., Zeng, J., Wessler, H., Jungblut, M., Welbers, K., Bajjalieh, J., van Atteveldt, W., & Althaus, S. (2020) Reproducible Extraction of Cross-lingual Topics. Paper accepted for oral presentation at the 70th International Communication Association Annual Conference (Top paper awards, ICA Computational Methods Interest Group)
The rectr package contains an example dataset “wiki” with English and
German articles from Wikipedia about programming languages and locations
in Germany. This package uses the corpus data structure from the
quanteda package.
require(rectr)## Loading required package: rectr
require(tibble)## Loading required package: tibble
require(dplyr)## Loading required package: dplyr
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
wiki## # A tibble: 342 x 3
## title content lang
## <chr> <chr> <chr>
## 1 Wismar "Die Hansestadt Wismar liegt an der Osts… de
## 2 Bamberg "Bamberg (mittelalterlich: Babenberg, ba… de
## 3 Grube Messel "Die Grube Messel in Messel im Landkreis… de
## 4 Adenine "Adenine, benannt nach der Nukleinbase A… de
## 5 Haskell (programming la… "Haskell /ˈhæskəl/ is a standardized, ge… en
## 6 SPARQL "SPARQL ist eine graph-basierte Abfrages… de
## 7 Trier "Trier (französisch Trèves, luxemburgisc… de
## 8 ATS (programming langua… "ATS (Applied Type System) is a programm… en
## 9 Nationalpark Niedersäch… "Der Nationalpark Niedersächsisches Watt… de
## 10 Wittenberg "Wittenberg, officially Lutherstadt Witt… en
## # … with 332 more rows
Currently, this package supports aligned fastText from Facebook Research and Multilingual BERT (MBERT) from Google Research. For easier integration, the PyTorch version of MBERT from Transformers is used.
## setup a conda environment, default name: rectr_condaenv
mbert_env_setup()## default to your current directory
download_mbert(noise = TRUE)## [1] "Conda environment rectr_condaenv is initialized.\n"
## [1] "/Users/chainsaw/dev/rectr"
Create a multilingual corpus
wiki_corpus <- create_corpus(wiki$content, wiki$lang)Create a multilingual dfm
## default
wiki_dfm <- transform_dfm_boe(wiki_corpus, noise = TRUE)
wiki_dfm## dfm with a dimension of 342 x 768 and de/en language(s).
##
## Aligned word embeddings: bert
Filter the dfm for language differences
wiki_dfm_filtered <- filter_dfm(wiki_dfm, k = 2)
wiki_dfm_filtered## dfm with a dimension of 342 x 5 and de/en language(s).
## Filtered with k = 2
## Aligned word embeddings: bert
Estimate a Guassian Mixture Model
wiki_gmm <- calculate_gmm(wiki_dfm_filtered, seed = 46709394)
wiki_gmm## 2-topic rectr model trained with a dfm with a dimension of 342 x 5 and de/en language(s).
## Filtered with k = 2
## Aligned word embeddings: bert
The document-topic matrix is available in wiki_gmm$theta.
Rank the articles according to the theta1.
wiki %>% mutate(theta1 = wiki_gmm$theta[,1]) %>% arrange(theta1) %>% select(title, lang, theta1) %>% print(n = 400)## # A tibble: 342 x 3
## title lang theta1
## <chr> <chr> <dbl>
## 1 Lustre (Programmiersprache) de 4.84e-120
## 2 Babelsberg en 2.00e-118
## 3 Tcllib de 2.04e-118
## 4 Haskell (programming language) en 2.03e-117
## 5 Erlang (Programmiersprache) de 2.38e-117
## 6 Lustre (programming language) en 3.11e-116
## 7 Opal (programming language) en 5.70e-116
## 8 Oz (Programmiersprache) de 5.89e-116
## 9 Rüdesheim am Rhein en 7.88e-116
## 10 Euler (programming language) en 8.66e-116
## 11 Großsiedlung Siemensstadt en 8.77e-116
## 12 Gofer (programming language) en 9.46e-116
## 13 Maple (Software) de 9.51e-116
## 14 Imperial Palace Ingelheim en 1.23e-115
## 15 NewLISP en 3.79e-115
## 16 Lorch, Hesse en 4.81e-115
## 17 Muskau Park en 6.15e-115
## 18 Common Lisp de 6.55e-115
## 19 Tcl/Java en 2.04e-114
## 20 Rammelsberg de 3.34e-114
## 21 Maulbronn Monastery en 3.41e-114
## 22 Coq (Software) de 1.14e-113
## 23 Völklingen Ironworks en 1.19e-113
## 24 Clean (programming language) en 1.29e-113
## 25 XProc de 1.97e-113
## 26 GNU Pascal de 4.32e-113
## 27 Bamberg en 5.33e-113
## 28 Wismar en 1.14e-112
## 29 Imperial Abbey of Corvey en 7.68e-111
## 30 Windows PowerShell de 3.99e-110
## 31 Embedded SQL de 2.53e- 83
## 32 Embedded SQL en 2.17e- 79
## 33 Java Command Language de 2.47e- 72
## 34 F Sharp (programming language) en 7.83e- 68
## 35 StepTalk en 1.38e- 67
## 36 PHP de 6.17e- 67
## 37 StepTalk de 1.21e- 66
## 38 Python (programming language) en 5.36e- 66
## 39 Tcllib en 2.69e- 63
## 40 JavaScript de 6.05e- 63
## 41 QML de 9.29e- 63
## 42 Extensible Application Markup Language de 1.21e- 62
## 43 Java (programming language) en 2.48e- 62
## 44 XSL Transformation de 3.34e- 62
## 45 Boo (programming language) en 1.30e- 60
## 46 Ruby (Programmiersprache) de 2.74e- 59
## 47 Standard ML en 9.27e- 59
## 48 Objective-C en 1.06e- 58
## 49 Erlang (programming language) en 2.64e- 58
## 50 Gofer de 1.01e- 57
## 51 DrRacket de 6.87e- 57
## 52 Objective-C de 1.68e- 56
## 53 C++ de 7.19e- 56
## 54 Hack (programming language) en 1.28e- 55
## 55 Lua de 1.58e- 55
## 56 Windows PowerShell en 5.50e- 55
## 57 Scala (programming language) en 1.14e- 54
## 58 Extensible Application Markup Language en 8.00e- 54
## 59 C (Programmiersprache) de 3.12e- 53
## 60 C++ en 4.19e- 53
## 61 JavaScript en 5.06e- 53
## 62 Ruby (programming language) en 1.18e- 52
## 63 Synchronized Multimedia Integration Language de 1.22e- 52
## 64 Scala (Programmiersprache) de 1.30e- 52
## 65 Racket (programming language) en 4.88e- 52
## 66 PEARL de 6.08e- 52
## 67 Clojure en 2.77e- 50
## 68 Vala (programming language) en 8.10e- 50
## 69 XProc en 1.05e- 49
## 70 Io (Programmiersprache) de 2.18e- 49
## 71 Io (programming language) en 2.89e- 49
## 72 XSLT en 1.47e- 48
## 73 MATLAB en 1.62e- 48
## 74 F-Logic de 5.99e- 48
## 75 C (programming language) en 2.20e- 47
## 76 PHP en 2.54e- 47
## 77 Smalltalk (Programmiersprache) de 2.61e- 47
## 78 Objective CAML de 2.80e- 47
## 79 OCaml en 6.23e- 47
## 80 Julia (programming language) en 7.34e- 47
## 81 XQuery de 1.32e- 46
## 82 QML en 1.61e- 46
## 83 C Sharp (programming language) en 1.63e- 46
## 84 F-Sharp de 3.02e- 46
## 85 Curl (programming language) en 1.83e- 45
## 86 Vala (Programmiersprache) de 3.22e- 45
## 87 CycL en 1.06e- 44
## 88 Opal (Programmiersprache) de 2.86e- 44
## 89 Haskell (Programmiersprache) de 9.31e- 44
## 90 ATS (programming language) en 1.07e- 43
## 91 C-Sharp de 1.66e- 43
## 92 Java (Programmiersprache) de 3.37e- 43
## 93 Squeak en 3.75e- 43
## 94 Pharo (Programmiersprache) de 2.79e- 42
## 95 Lua (programming language) en 2.86e- 42
## 96 Standard ML de 2.77e- 41
## 97 ML (Programmiersprache) de 3.50e- 41
## 98 Common Lisp en 4.52e- 41
## 99 Pharo en 6.07e- 41
## 100 ISWIM en 1.70e- 40
## 101 Synchronized Multimedia Integration Language en 1.80e- 40
## 102 Ada (Programmiersprache) de 2.65e- 40
## 103 Miranda (programming language) en 3.93e- 40
## 104 Miranda (Programmiersprache) de 4.06e- 40
## 105 XQuery en 4.33e- 40
## 106 MetaPost en 4.46e- 40
## 107 Julia (Programmiersprache) de 6.30e- 40
## 108 COBOL de 6.53e- 40
## 109 Self (programming language) en 7.98e- 40
## 110 Strongtalk en 1.23e- 39
## 111 Adenine de 3.71e- 39
## 112 Clojure de 5.68e- 39
## 113 Applied Type System de 1.67e- 38
## 114 Perl (Programmiersprache) de 2.00e- 38
## 115 GNU Pascal en 2.81e- 38
## 116 Lout de 3.65e- 38
## 117 D (programming language) en 8.43e- 38
## 118 F-logic en 8.64e- 38
## 119 Adenine (programming language) en 1.56e- 37
## 120 J (programming language) en 1.82e- 37
## 121 Hack (Programmiersprache) de 3.00e- 37
## 122 Mercury (programming language) en 3.71e- 37
## 123 Rebol en 1.11e- 35
## 124 Fortran de 1.39e- 35
## 125 SQL en 2.06e- 35
## 126 J (Programmiersprache) de 6.56e- 35
## 127 Tcl de 8.88e- 35
## 128 Strongtalk de 5.48e- 34
## 129 MetaPost de 2.32e- 33
## 130 Mercury (Programmiersprache) de 4.43e- 33
## 131 Tcl en 5.86e- 33
## 132 Boo (Programmiersprache) de 8.04e- 33
## 133 SPARQL de 9.08e- 33
## 134 Prolog en 2.08e- 32
## 135 CycL de 3.51e- 32
## 136 SuperCollider en 6.30e- 32
## 137 Modelica en 6.71e- 32
## 138 Web Ontology Language de 1.44e- 31
## 139 Python (Programmiersprache) de 3.45e- 31
## 140 APL (programming language) en 4.21e- 31
## 141 Perl en 5.62e- 31
## 142 Lisp de 1.17e- 30
## 143 SPARQL en 1.87e- 30
## 144 METAFONT de 2.68e- 30
## 145 Self (Programmiersprache) de 1.04e- 29
## 146 PEARL (programming language) en 2.71e- 29
## 147 Modelica de 4.20e- 29
## 148 COBOL en 7.43e- 28
## 149 Euler (Programmiersprache) de 1.18e- 27
## 150 SuperCollider de 1.43e- 27
## 151 Curl (Programmiersprache) de 1.64e- 27
## 152 MUMPS en 3.05e- 27
## 153 Matlab de 1.08e- 26
## 154 ML (programming language) en 2.54e- 26
## 155 Fortran en 2.90e- 26
## 156 Web Ontology Language en 5.24e- 26
## 157 Lisp (programming language) en 7.16e- 26
## 158 Squeak de 1.05e- 25
## 159 Clean (Programmiersprache) de 1.29e- 25
## 160 Lout (software) en 1.95e- 25
## 161 Go (programming language) en 3.59e- 25
## 162 Prolog (Programmiersprache) de 5.03e- 25
## 163 Metafont en 9.49e- 25
## 164 REBOL de 1.91e- 24
## 165 Datalog en 2.90e- 23
## 166 MUMPS de 3.96e- 23
## 167 Go (Programmiersprache) de 6.46e- 23
## 168 Logo (Programmiersprache) de 2.10e- 22
## 169 Ada (programming language) en 3.35e- 21
## 170 Joy (programming language) en 1.36e- 20
## 171 D (Programmiersprache) de 1.99e- 20
## 172 APL (Programmiersprache) de 2.49e- 20
## 173 NewLISP de 1.01e- 19
## 174 Maple (software) en 1.21e- 19
## 175 R (programming language) en 1.21e- 19
## 176 Datalog de 8.95e- 19
## 177 Paul Graham (computer programmer) en 4.00e- 18
## 178 ISWIM de 1.97e- 17
## 179 SQL de 2.08e- 17
## 180 Coq en 4.76e- 16
## 181 Smalltalk en 6.89e- 16
## 182 Logo (programming language) en 2.71e- 13
## 183 Oz (programming language) en 3.82e- 13
## 184 Joy (Programmiersprache) de 5.71e- 13
## 185 Paul Graham de 1.22e- 9
## 186 R (Programmiersprache) de 5.61e- 9
## 187 Musterhaus Am Horn de 1.00e+ 0
## 188 Fagus-Werk de 1.00e+ 0
## 189 Grube Messel de 1.00e+ 0
## 190 Kulturlandschaft Dresdner Elbtal de 1.00e+ 0
## 191 Bauhaus de 1.00e+ 0
## 192 Wattenmeer (Nordsee) de 1.00e+ 0
## 193 Nationalpark Schleswig-Holsteinisches Wattenmeer de 1.00e+ 0
## 194 Prehistoric pile dwellings around the Alps en 1.00e+ 0
## 195 Oberharzer Wasserregal de 1.00e+ 0
## 196 Großsiedlung Siemensstadt de 1.00e+ 0
## 197 Wadden Sea en 1.00e+ 0
## 198 Primeval Beech Forests of the Carpathians and the Anci… en 1.00e+ 0
## 199 Limes (Grenzwall) de 1.00e+ 0
## 200 Wismar de 1.00e+ 0
## 201 Bamberg de 1.00e+ 0
## 202 Trier de 1.00e+ 0
## 203 Nationalpark Niedersächsisches Wattenmeer de 1.00e+ 0
## 204 Wittenberg en 1.00e+ 0
## 205 Goslar de 1.00e+ 0
## 206 Margravial Opera House en 1.00e+ 0
## 207 Weimar de 1.00e+ 0
## 208 Bremer Rathaus de 1.00e+ 0
## 209 Würzburg Residence en 1.00e+ 0
## 210 Glienicke Palace en 1.00e+ 0
## 211 New Garden, Potsdam en 1.00e+ 0
## 212 Upper Harz Water Regale en 1.00e+ 0
## 213 Kloster Maulbronn de 1.00e+ 0
## 214 Martin Luther's Birth House en 1.00e+ 0
## 215 Speyer Cathedral en 1.00e+ 0
## 216 Konstantinbasilika de 1.00e+ 0
## 217 Welterbe in Deutschland de 1.00e+ 0
## 218 Barbara Baths en 1.00e+ 0
## 219 Lübeck de 1.00e+ 0
## 220 Herkules (Kassel) de 1.00e+ 0
## 221 Lübeck en 1.00e+ 0
## 222 Dessau-Wörlitz Garden Realm en 1.00e+ 0
## 223 Sanssouci de 1.00e+ 0
## 224 Klassisches Weimar de 1.00e+ 0
## 225 Kaiserthermen (Trier) de 1.00e+ 0
## 226 Rammelsberg en 1.00e+ 0
## 227 Ingelheimer Kaiserpfalz de 1.00e+ 0
## 228 Zollverein Coal Mine Industrial Complex en 1.00e+ 0
## 229 Heilandskirche am Port von Sacrow de 1.00e+ 0
## 230 Porta Nigra en 1.00e+ 0
## 231 Pfaueninsel en 1.00e+ 0
## 232 Hildesheimer Dom de 1.00e+ 0
## 233 Stadtkirche Lutherstadt Wittenberg de 1.00e+ 0
## 234 Dessau-Wörlitzer Gartenreich de 1.00e+ 0
## 235 Hercules monument (Kassel) en 1.00e+ 0
## 236 Prähistorische Pfahlbauten um die Alpen de 1.00e+ 0
## 237 Museum Island en 1.00e+ 0
## 238 Aula Palatina en 1.00e+ 0
## 239 Welterbe Römische Baudenkmäler, Dom und Liebfrauenkirc… de 1.00e+ 0
## 240 Zeche Zollverein de 1.00e+ 0
## 241 Bergpark Wilhelmshöhe en 1.00e+ 0
## 242 Melanchthonhaus (Wittenberg) en 1.00e+ 0
## 243 Reichenau (Insel) de 1.00e+ 0
## 244 Bauhaus Dessau Foundation en 1.00e+ 0
## 245 Stiftung Bauhaus Dessau de 1.00e+ 0
## 246 Goslar en 1.00e+ 0
## 247 Aachen Cathedral Treasury en 1.00e+ 0
## 248 Kloster Lorsch de 1.00e+ 0
## 249 Trier Amphitheater en 1.00e+ 0
## 250 Eibingen Abbey en 1.00e+ 0
## 251 Roman Monuments, Cathedral of St. Peter and Church of … en 1.00e+ 0
## 252 Lutherstadt Eisleben de 1.00e+ 0
## 253 Porta Nigra de 1.00e+ 0
## 254 Trierer Dom de 1.00e+ 0
## 255 Reichenau Island en 1.00e+ 0
## 256 Trier en 1.00e+ 0
## 257 Lower Saxon Wadden Sea National Park en 1.00e+ 0
## 258 Dresden Elbe Valley en 1.00e+ 0
## 259 Trier Imperial Baths en 1.00e+ 0
## 260 Wartburg en 1.00e+ 0
## 261 Bremen City Hall en 1.00e+ 0
## 262 Speyerer Dom de 1.00e+ 0
## 263 Holstentor de 1.00e+ 0
## 264 Eisleben en 1.00e+ 0
## 265 Neuer Garten Potsdam de 1.00e+ 0
## 266 Regensburg de 1.00e+ 0
## 267 Palaces and Parks of Potsdam and Berlin en 1.00e+ 0
## 268 Martin Luther's Death House en 1.00e+ 0
## 269 Quedlinburg en 1.00e+ 0
## 270 Messel pit en 1.00e+ 0
## 271 Lorch (Rheingau) de 1.00e+ 0
## 272 Berlin Modernism Housing Estates en 1.00e+ 0
## 273 Bauhaus en 1.00e+ 0
## 274 Cologne Cathedral en 1.00e+ 0
## 275 List of World Heritage Sites in Germany en 1.00e+ 0
## 276 Museumsinsel (Berlin) de 1.00e+ 0
## 277 Limes en 1.00e+ 0
## 278 Wieskirche de 1.00e+ 0
## 279 Augusteum und Lutherhaus Wittenberg de 1.00e+ 0
## 280 Imperial Palace of Goslar en 1.00e+ 0
## 281 Lutherstadt Wittenberg de 1.00e+ 0
## 282 Schlösser und Gärten von Potsdam und Berlin de 1.00e+ 0
## 283 Fürst-Pückler-Park Bad Muskau de 1.00e+ 0
## 284 Weimar en 1.00e+ 0
## 285 Stadtkirche Wittenberg en 1.00e+ 0
## 286 Bremen Roland en 1.00e+ 0
## 287 Buchenurwälder in den Karpaten und alte Buchenwälder i… de 1.00e+ 0
## 288 Kaiserpfalz Goslar de 1.00e+ 0
## 289 Stralsund de 1.00e+ 0
## 290 Lorsch Abbey en 1.00e+ 0
## 291 Babelsberg Palace en 1.00e+ 0
## 292 Pfaueninsel de 1.00e+ 0
## 293 Obergermanisch-Raetischer Limes#Der Limes heute de 1.00e+ 0
## 294 Abtei St. Hildegard (Rüdesheim am Rhein) de 1.00e+ 0
## 295 Haus am Horn en 1.00e+ 0
## 296 Rüdesheim am Rhein de 1.00e+ 0
## 297 Cathedral of Trier en 1.00e+ 0
## 298 Schlösser Augustusburg und Falkenlust de 1.00e+ 0
## 299 Wartburg de 1.00e+ 0
## 300 Igel Column en 1.00e+ 0
## 301 Quedlinburg de 1.00e+ 0
## 302 Babelsberg de 1.00e+ 0
## 303 Igeler Säule de 1.00e+ 0
## 304 St. Michael's Church, Hildesheim en 1.00e+ 0
## 305 Würzburger Residenz de 1.00e+ 0
## 306 Liebfrauenkirche (Trier) de 1.00e+ 0
## 307 Stift Corvey de 1.00e+ 0
## 308 Wieskirche en 1.00e+ 0
## 309 Classical Weimar (World Heritage Site) en 1.00e+ 0
## 310 Sanssouci en 1.00e+ 0
## 311 Kölner Dom de 1.00e+ 0
## 312 Schloss Glienicke de 1.00e+ 0
## 313 Liebfrauenkirche, Trier en 1.00e+ 0
## 314 St. Michael (Hildesheim) de 1.00e+ 0
## 315 Welterbe Kulturlandschaft Oberes Mittelrheintal de 1.00e+ 0
## 316 Bremer Roland de 1.00e+ 0
## 317 Hildesheim Cathedral en 1.00e+ 0
## 318 Limes Germanicus en 1.00e+ 0
## 319 Siedlungen der Berliner Moderne de 1.00e+ 0
## 320 Martin Luthers Sterbehaus de 1.00e+ 0
## 321 Rhine Gorge en 1.00e+ 0
## 322 Martin Luthers Geburtshaus de 1.00e+ 0
## 323 Melanchthonhaus Wittenberg de 1.00e+ 0
## 324 Regensburg en 1.00e+ 0
## 325 Aachener Dom de 1.00e+ 0
## 326 Fagus Factory en 1.00e+ 0
## 327 Lutherhaus en 1.00e+ 0
## 328 Augustusburg and Falkenlust Palaces, Brühl en 1.00e+ 0
## 329 Hufeisensiedlung de 1.00e+ 0
## 330 Völklinger Hütte de 1.00e+ 0
## 331 Aachen Cathedral en 1.00e+ 0
## 332 Schleswig-Holstein Wadden Sea National Park en 1.00e+ 0
## 333 Markgräfliches Opernhaus de 1.00e+ 0
## 334 Schloss Babelsberg de 1.00e+ 0
## 335 Hufeisensiedlung en 1.00e+ 0
## 336 Amphitheater (Trier) de 1.00e+ 0
## 337 Bergpark Wilhelmshöhe de 1.00e+ 0
## 338 Barbarathermen de 1.00e+ 0
## 339 Church of the Redeemer, Sacrow en 1.00e+ 0
## 340 Holstentor en 1.00e+ 0
## 341 Aachener Domschatzkammer de 1.00e+ 0
## 342 Stralsund en 1.00e+ 0
Download and preprocess fastText word embeddings from Facebook. Make sure you have at least 5G of disk space and a reasonably amount of RAM. It took around 20 minutes on my machine.
get_ft("en")
get_ft("de")emb <- read_ft(c("en", "de"))Create a multilingual corpus
wiki_corpus <- create_corpus(wiki$content, wiki$lang)Create a multilingual dfm
wiki_dfm <- transform_dfm_boe(wiki_corpus, emb)##
Progress: ─ 100%
Progress: ── 100%
Progress: ─── 100%
Progress: ───── 100%
Progress: ────── 100%
Progress: ─────── 100%
Progress: ─────── 100%
Progress: ─────── 100%
Progress: ─────── 100%
Progress: ───────── 100%
Progress: ────────── 100%
Progress: ─────────── 100%
Progress: ───────────── 100%
Progress: ────────────── 100%
Progress: ─────────────── 100%
Progress: ──────────────── 100%
Progress: ───────────────── 100%
Progress: ─────────────────── 100%
Progress: ──────────────────── 100%
Progress: ───────────────────── 100%
Progress: ────────────────────── 100%
Progress: ─────────────────────── 100%
Progress: ──────────────────────── 100%
Progress: ────────────────────────── 100%
Progress: ─────────────────────────── 100%
Progress: ─────────────────────────── 100%
Progress: ──────────────────────────── 100%
Progress: ───────────────────────────── 100%
Progress: ───────────────────────────── 100%
Progress: ────────────────────────────── 100%
Progress: ────────────────────────────── 100%
Progress: ────────────────────────────── 100%
Progress: ─────────────────────────────── 100%
Progress: ─────────────────────────────── 100%
Progress: ──────────────────────────────── 100%
Progress: ──────────────────────────────── 100%
Progress: ───────────────────────────────── 100%
Progress: ───────────────────────────────── 100%
Progress: ────────────────────────────────── 100%
Progress: ─────────────────────────────────── 100%
Progress: ──────────────────────────────────── 100%
Progress: ───────────────────────────────────── 100%
Progress: ────────────────────────────────────── 100%
Progress: ────────────────────────────────────── 100%
Progress: ─────────────────────────────────────── 100%
Progress: ──────────────────────────────────────── 100%
Progress: ───────────────────────────────────────── 100%
Progress: ────────────────────────────────────────── 100%
Progress: ─────────────────────────────────────────── 100%
Progress: ──────────────────────────────────────────── 100%
Progress: ───────────────────────────────────────────── 100%
Progress: ────────────────────────────────────────────── 100%
Progress: ─────────────────────────────────────────────── 100%
Progress: ──────────────────────────────────────────────── 100%
Progress: ───────────────────────────────────────────────── 100%
Progress: ─────────────────────────────────────────────────── 100%
Progress: ──────────────────────────────────────────────────── 100%
Progress: ───────────────────────────────────────────────────── 100%
Progress: ────────────────────────────────────────────────────── 100%
Progress: ─────────────────────────────────────────────────────── 100%
Progress: ──────────────────────────────────────────────────────── 100%
Progress: ───────────────────────────────────────────────────────── 100%
Progress: ────────────────────────────────────────────────────────── 100%
Progress: ────────────────────────────────────────────────────────── 100%
Progress: ─────────────────────────────────────────────────────────── 100%
wiki_dfm## dfm with a dimension of 342 x 300 and de/en language(s).
##
## Aligned word embeddings: fasttext
Filter the dfm for language differences
wiki_dfm_filtered <- filter_dfm(wiki_dfm, k = 2)
wiki_dfm_filtered## dfm with a dimension of 342 x 5 and de/en language(s).
## Filtered with k = 2
## Aligned word embeddings: fasttext
Estimate a Guassian Mixture Model
wiki_gmm <- calculate_gmm(wiki_dfm_filtered, seed = 46709394)
wiki_gmm## 2-topic rectr model trained with a dfm with a dimension of 342 x 5 and de/en language(s).
## Filtered with k = 2
## Aligned word embeddings: fasttext
The document-topic matrix is available in wiki_gmm$theta.
Rank the articles according to the theta1.
wiki %>% mutate(theta1 = wiki_gmm$theta[,1]) %>% arrange(theta1) %>% select(title, lang, theta1) %>% print(n = 400)## # A tibble: 342 x 3
## title lang theta1
## <chr> <chr> <dbl>
## 1 Lustre (Programmiersprache) de 2.65e-322
## 2 GNU Pascal de 3.23e-234
## 3 Pharo (Programmiersprache) de 2.26e-194
## 4 Embedded SQL de 2.48e-163
## 5 Windows PowerShell de 1.28e-159
## 6 Java Command Language de 8.66e-137
## 7 Embedded SQL en 8.59e-130
## 8 Tcllib en 3.58e-129
## 9 Tcl/Java en 3.46e-127
## 10 StepTalk en 2.11e-116
## 11 StepTalk de 4.51e-110
## 12 QML de 4.23e-107
## 13 Extensible Application Markup Language de 2.95e-105
## 14 Lua (programming language) en 3.42e-100
## 15 Java (programming language) en 8.32e- 99
## 16 NewLISP en 4.24e- 98
## 17 Windows PowerShell en 6.20e- 95
## 18 Synchronized Multimedia Integration Language en 6.74e- 94
## 19 XSL Transformation de 1.04e- 91
## 20 Curl (programming language) en 6.87e- 91
## 21 Clojure en 3.04e- 90
## 22 JavaScript de 5.35e- 90
## 23 C++ de 7.09e- 90
## 24 Objective-C en 6.32e- 88
## 25 GNU Pascal en 2.78e- 86
## 26 C (Programmiersprache) de 9.52e- 85
## 27 Extensible Application Markup Language en 1.71e- 84
## 28 JavaScript en 1.91e- 84
## 29 Synchronized Multimedia Integration Language de 1.22e- 80
## 30 Clojure de 2.60e- 80
## 31 Boo (Programmiersprache) de 9.24e- 80
## 32 Oz (Programmiersprache) de 1.71e- 79
## 33 Tcl en 8.71e- 79
## 34 Common Lisp en 2.17e- 78
## 35 Vala (Programmiersprache) de 2.72e- 77
## 36 Boo (programming language) en 4.18e- 77
## 37 Lua de 9.49e- 77
## 38 F Sharp (programming language) en 1.94e- 76
## 39 PHP de 1.85e- 75
## 40 Java (Programmiersprache) de 1.12e- 74
## 41 QML en 1.28e- 74
## 42 Common Lisp de 2.17e- 74
## 43 Ada (Programmiersprache) de 5.05e- 73
## 44 C-Sharp de 1.34e- 72
## 45 Python (programming language) en 3.67e- 72
## 46 PEARL de 3.68e- 72
## 47 Ruby (programming language) en 3.73e- 72
## 48 XQuery de 4.51e- 71
## 49 SPARQL en 6.60e- 70
## 50 Go (programming language) en 9.01e- 70
## 51 XSLT en 3.83e- 69
## 52 Hack (programming language) en 1.84e- 68
## 53 XProc de 2.99e- 67
## 54 MATLAB en 4.58e- 67
## 55 DrRacket de 1.17e- 65
## 56 Tcllib de 1.50e- 65
## 57 Scala (programming language) en 8.90e- 65
## 58 Squeak en 1.49e- 64
## 59 PHP en 2.16e- 64
## 60 Io (programming language) en 3.37e- 64
## 61 OCaml en 5.30e- 64
## 62 Rebol en 3.12e- 63
## 63 Vala (programming language) en 1.85e- 62
## 64 Objective-C de 2.52e- 62
## 65 C++ en 2.62e- 62
## 66 Fortran en 3.16e- 61
## 67 Adenine de 4.96e- 61
## 68 COBOL de 1.60e- 60
## 69 Objective CAML de 2.17e- 60
## 70 XQuery en 7.47e- 60
## 71 NewLISP de 2.93e- 58
## 72 Lout de 8.20e- 58
## 73 Opal (programming language) en 1.42e- 57
## 74 Racket (programming language) en 2.18e- 57
## 75 C Sharp (programming language) en 3.05e- 57
## 76 Pharo en 7.80e- 57
## 77 Tcl de 8.97e- 57
## 78 Lisp de 1.73e- 56
## 79 Haskell (programming language) en 3.88e- 55
## 80 Gofer (programming language) en 8.00e- 55
## 81 Smalltalk (Programmiersprache) de 1.12e- 54
## 82 Adenine (programming language) en 5.84e- 53
## 83 Ruby (Programmiersprache) de 7.63e- 53
## 84 Smalltalk en 1.93e- 52
## 85 C (programming language) en 3.80e- 52
## 86 Python (Programmiersprache) de 3.09e- 51
## 87 MetaPost de 3.66e- 51
## 88 Fortran de 5.79e- 51
## 89 Ada (programming language) en 3.67e- 50
## 90 Erlang (programming language) en 9.44e- 50
## 91 Clean (programming language) en 1.17e- 49
## 92 Standard ML en 1.45e- 49
## 93 D (programming language) en 7.10e- 49
## 94 Euler (programming language) en 1.72e- 48
## 95 Perl en 3.79e- 48
## 96 Scala (Programmiersprache) de 4.02e- 48
## 97 SQL en 4.38e- 48
## 98 Haskell (Programmiersprache) de 1.16e- 47
## 99 ISWIM en 1.89e- 47
## 100 Miranda (programming language) en 2.04e- 46
## 101 ATS (programming language) en 1.50e- 45
## 102 Io (Programmiersprache) de 3.74e- 45
## 103 Mercury (programming language) en 4.13e- 45
## 104 Perl (Programmiersprache) de 5.50e- 45
## 105 F-Sharp de 9.30e- 45
## 106 Lisp (programming language) en 2.16e- 44
## 107 Paul Graham (computer programmer) en 3.08e- 44
## 108 Gofer de 3.59e- 44
## 109 Matlab de 4.98e- 44
## 110 Erlang (Programmiersprache) de 1.39e- 43
## 111 XProc en 6.55e- 43
## 112 APL (programming language) en 1.27e- 42
## 113 COBOL en 2.50e- 42
## 114 Miranda (Programmiersprache) de 1.13e- 41
## 115 Lout (software) en 5.61e- 41
## 116 Euler (Programmiersprache) de 6.48e- 41
## 117 SuperCollider en 6.62e- 41
## 118 Prolog en 1.93e- 40
## 119 Julia (programming language) en 5.36e- 40
## 120 APL (Programmiersprache) de 3.09e- 39
## 121 SQL de 7.14e- 39
## 122 PEARL (programming language) en 2.01e- 38
## 123 MetaPost en 2.30e- 38
## 124 Metafont en 2.40e- 38
## 125 Lustre (programming language) en 1.55e- 37
## 126 Modelica en 2.02e- 37
## 127 Mercury (Programmiersprache) de 2.74e- 37
## 128 Oz (programming language) en 3.46e- 36
## 129 Datalog en 3.50e- 36
## 130 REBOL de 4.55e- 36
## 131 Logo (programming language) en 2.10e- 35
## 132 J (Programmiersprache) de 4.12e- 35
## 133 Go (Programmiersprache) de 6.00e- 35
## 134 CycL en 7.61e- 35
## 135 Self (Programmiersprache) de 1.47e- 34
## 136 SPARQL de 1.89e- 34
## 137 Curl (Programmiersprache) de 2.26e- 34
## 138 ML (programming language) en 3.65e- 34
## 139 Julia (Programmiersprache) de 8.23e- 34
## 140 Self (programming language) en 8.79e- 34
## 141 CycL de 1.68e- 33
## 142 MUMPS en 4.52e- 33
## 143 ML (Programmiersprache) de 1.15e- 32
## 144 F-logic en 4.58e- 32
## 145 F-Logic de 1.47e- 31
## 146 Hack (Programmiersprache) de 2.69e- 31
## 147 Standard ML de 3.49e- 31
## 148 J (programming language) en 6.12e- 31
## 149 Opal (Programmiersprache) de 1.10e- 30
## 150 Strongtalk en 1.79e- 30
## 151 Strongtalk de 1.48e- 29
## 152 Web Ontology Language de 2.92e- 29
## 153 Prolog (Programmiersprache) de 4.74e- 29
## 154 R (programming language) en 1.06e- 28
## 155 D (Programmiersprache) de 1.30e- 28
## 156 Coq en 1.48e- 27
## 157 Squeak de 1.85e- 27
## 158 MUMPS de 1.54e- 26
## 159 Maple (software) en 1.80e- 26
## 160 SuperCollider de 7.56e- 25
## 161 Maple (Software) de 8.59e- 24
## 162 Applied Type System de 2.04e- 23
## 163 Web Ontology Language en 2.29e- 23
## 164 Logo (Programmiersprache) de 1.85e- 22
## 165 Clean (Programmiersprache) de 2.65e- 21
## 166 Joy (programming language) en 7.15e- 21
## 167 METAFONT de 1.42e- 19
## 168 Modelica de 2.32e- 19
## 169 Datalog de 4.73e- 19
## 170 Paul Graham de 8.49e- 17
## 171 ISWIM de 8.60e- 16
## 172 R (Programmiersprache) de 4.40e- 13
## 173 Joy (Programmiersprache) de 7.48e- 10
## 174 Coq (Software) de 1.61e- 9
## 175 Fagus Factory en 1.00e+ 0
## 176 Bauhaus en 1.00e+ 0
## 177 Haus am Horn en 1.00e+ 0
## 178 Berlin Modernism Housing Estates en 1.00e+ 0
## 179 Martin Luther's Birth House en 1.00e+ 0
## 180 Musterhaus Am Horn de 1.00e+ 0
## 181 Bauhaus de 1.00e+ 0
## 182 Prehistoric pile dwellings around the Alps en 1.00e+ 0
## 183 Klassisches Weimar de 1.00e+ 0
## 184 Limes (Grenzwall) de 1.00e+ 0
## 185 Grube Messel de 1.00e+ 0
## 186 Bauhaus Dessau Foundation en 1.00e+ 0
## 187 Limes en 1.00e+ 0
## 188 Siedlungen der Berliner Moderne de 1.00e+ 0
## 189 Hufeisensiedlung en 1.00e+ 0
## 190 Kulturlandschaft Dresdner Elbtal de 1.00e+ 0
## 191 Dessau-Wörlitz Garden Realm en 1.00e+ 0
## 192 Sanssouci en 1.00e+ 0
## 193 Zollverein Coal Mine Industrial Complex en 1.00e+ 0
## 194 Lutherhaus en 1.00e+ 0
## 195 Weimar en 1.00e+ 0
## 196 Igel Column en 1.00e+ 0
## 197 Wismar de 1.00e+ 0
## 198 Bamberg de 1.00e+ 0
## 199 Trier de 1.00e+ 0
## 200 Nationalpark Niedersächsisches Wattenmeer de 1.00e+ 0
## 201 Wittenberg en 1.00e+ 0
## 202 Goslar de 1.00e+ 0
## 203 Margravial Opera House en 1.00e+ 0
## 204 Maulbronn Monastery en 1.00e+ 0
## 205 Weimar de 1.00e+ 0
## 206 Wismar en 1.00e+ 0
## 207 Bremer Rathaus de 1.00e+ 0
## 208 Würzburg Residence en 1.00e+ 0
## 209 Glienicke Palace en 1.00e+ 0
## 210 New Garden, Potsdam en 1.00e+ 0
## 211 Upper Harz Water Regale en 1.00e+ 0
## 212 Kloster Maulbronn de 1.00e+ 0
## 213 Speyer Cathedral en 1.00e+ 0
## 214 Lorch, Hesse en 1.00e+ 0
## 215 Konstantinbasilika de 1.00e+ 0
## 216 Welterbe in Deutschland de 1.00e+ 0
## 217 Barbara Baths en 1.00e+ 0
## 218 Lübeck de 1.00e+ 0
## 219 Herkules (Kassel) de 1.00e+ 0
## 220 Lübeck en 1.00e+ 0
## 221 Oberharzer Wasserregal de 1.00e+ 0
## 222 Sanssouci de 1.00e+ 0
## 223 Kaiserthermen (Trier) de 1.00e+ 0
## 224 Rammelsberg en 1.00e+ 0
## 225 Ingelheimer Kaiserpfalz de 1.00e+ 0
## 226 Babelsberg en 1.00e+ 0
## 227 Heilandskirche am Port von Sacrow de 1.00e+ 0
## 228 Wattenmeer (Nordsee) de 1.00e+ 0
## 229 Porta Nigra en 1.00e+ 0
## 230 Pfaueninsel en 1.00e+ 0
## 231 Hildesheimer Dom de 1.00e+ 0
## 232 Stadtkirche Lutherstadt Wittenberg de 1.00e+ 0
## 233 Dessau-Wörlitzer Gartenreich de 1.00e+ 0
## 234 Hercules monument (Kassel) en 1.00e+ 0
## 235 Prähistorische Pfahlbauten um die Alpen de 1.00e+ 0
## 236 Museum Island en 1.00e+ 0
## 237 Aula Palatina en 1.00e+ 0
## 238 Muskau Park en 1.00e+ 0
## 239 Welterbe Römische Baudenkmäler, Dom und Liebfrauenkirc… de 1.00e+ 0
## 240 Großsiedlung Siemensstadt en 1.00e+ 0
## 241 Zeche Zollverein de 1.00e+ 0
## 242 Bergpark Wilhelmshöhe en 1.00e+ 0
## 243 Melanchthonhaus (Wittenberg) en 1.00e+ 0
## 244 Reichenau (Insel) de 1.00e+ 0
## 245 Stiftung Bauhaus Dessau de 1.00e+ 0
## 246 Goslar en 1.00e+ 0
## 247 Aachen Cathedral Treasury en 1.00e+ 0
## 248 Kloster Lorsch de 1.00e+ 0
## 249 Trier Amphitheater en 1.00e+ 0
## 250 Eibingen Abbey en 1.00e+ 0
## 251 Roman Monuments, Cathedral of St. Peter and Church of … en 1.00e+ 0
## 252 Rammelsberg de 1.00e+ 0
## 253 Lutherstadt Eisleben de 1.00e+ 0
## 254 Porta Nigra de 1.00e+ 0
## 255 Trierer Dom de 1.00e+ 0
## 256 Reichenau Island en 1.00e+ 0
## 257 Trier en 1.00e+ 0
## 258 Lower Saxon Wadden Sea National Park en 1.00e+ 0
## 259 Dresden Elbe Valley en 1.00e+ 0
## 260 Trier Imperial Baths en 1.00e+ 0
## 261 Wartburg en 1.00e+ 0
## 262 Bremen City Hall en 1.00e+ 0
## 263 Speyerer Dom de 1.00e+ 0
## 264 Holstentor de 1.00e+ 0
## 265 Primeval Beech Forests of the Carpathians and the Anci… en 1.00e+ 0
## 266 Eisleben en 1.00e+ 0
## 267 Neuer Garten Potsdam de 1.00e+ 0
## 268 Regensburg de 1.00e+ 0
## 269 Palaces and Parks of Potsdam and Berlin en 1.00e+ 0
## 270 Fagus-Werk de 1.00e+ 0
## 271 Martin Luther's Death House en 1.00e+ 0
## 272 Quedlinburg en 1.00e+ 0
## 273 Messel pit en 1.00e+ 0
## 274 Lorch (Rheingau) de 1.00e+ 0
## 275 Bamberg en 1.00e+ 0
## 276 Cologne Cathedral en 1.00e+ 0
## 277 List of World Heritage Sites in Germany en 1.00e+ 0
## 278 Museumsinsel (Berlin) de 1.00e+ 0
## 279 Wieskirche de 1.00e+ 0
## 280 Augusteum und Lutherhaus Wittenberg de 1.00e+ 0
## 281 Imperial Palace of Goslar en 1.00e+ 0
## 282 Lutherstadt Wittenberg de 1.00e+ 0
## 283 Schlösser und Gärten von Potsdam und Berlin de 1.00e+ 0
## 284 Fürst-Pückler-Park Bad Muskau de 1.00e+ 0
## 285 Stadtkirche Wittenberg en 1.00e+ 0
## 286 Bremen Roland en 1.00e+ 0
## 287 Buchenurwälder in den Karpaten und alte Buchenwälder i… de 1.00e+ 0
## 288 Kaiserpfalz Goslar de 1.00e+ 0
## 289 Stralsund de 1.00e+ 0
## 290 Lorsch Abbey en 1.00e+ 0
## 291 Babelsberg Palace en 1.00e+ 0
## 292 Pfaueninsel de 1.00e+ 0
## 293 Obergermanisch-Raetischer Limes#Der Limes heute de 1.00e+ 0
## 294 Nationalpark Schleswig-Holsteinisches Wattenmeer de 1.00e+ 0
## 295 Abtei St. Hildegard (Rüdesheim am Rhein) de 1.00e+ 0
## 296 Völklingen Ironworks en 1.00e+ 0
## 297 Rüdesheim am Rhein de 1.00e+ 0
## 298 Cathedral of Trier en 1.00e+ 0
## 299 Großsiedlung Siemensstadt de 1.00e+ 0
## 300 Schlösser Augustusburg und Falkenlust de 1.00e+ 0
## 301 Wartburg de 1.00e+ 0
## 302 Quedlinburg de 1.00e+ 0
## 303 Babelsberg de 1.00e+ 0
## 304 Igeler Säule de 1.00e+ 0
## 305 St. Michael's Church, Hildesheim en 1.00e+ 0
## 306 Würzburger Residenz de 1.00e+ 0
## 307 Imperial Palace Ingelheim en 1.00e+ 0
## 308 Liebfrauenkirche (Trier) de 1.00e+ 0
## 309 Stift Corvey de 1.00e+ 0
## 310 Wieskirche en 1.00e+ 0
## 311 Classical Weimar (World Heritage Site) en 1.00e+ 0
## 312 Wadden Sea en 1.00e+ 0
## 313 Kölner Dom de 1.00e+ 0
## 314 Imperial Abbey of Corvey en 1.00e+ 0
## 315 Schloss Glienicke de 1.00e+ 0
## 316 Liebfrauenkirche, Trier en 1.00e+ 0
## 317 St. Michael (Hildesheim) de 1.00e+ 0
## 318 Rüdesheim am Rhein en 1.00e+ 0
## 319 Welterbe Kulturlandschaft Oberes Mittelrheintal de 1.00e+ 0
## 320 Bremer Roland de 1.00e+ 0
## 321 Hildesheim Cathedral en 1.00e+ 0
## 322 Limes Germanicus en 1.00e+ 0
## 323 Martin Luthers Sterbehaus de 1.00e+ 0
## 324 Rhine Gorge en 1.00e+ 0
## 325 Martin Luthers Geburtshaus de 1.00e+ 0
## 326 Melanchthonhaus Wittenberg de 1.00e+ 0
## 327 Regensburg en 1.00e+ 0
## 328 Aachener Dom de 1.00e+ 0
## 329 Augustusburg and Falkenlust Palaces, Brühl en 1.00e+ 0
## 330 Hufeisensiedlung de 1.00e+ 0
## 331 Völklinger Hütte de 1.00e+ 0
## 332 Aachen Cathedral en 1.00e+ 0
## 333 Schleswig-Holstein Wadden Sea National Park en 1.00e+ 0
## 334 Markgräfliches Opernhaus de 1.00e+ 0
## 335 Schloss Babelsberg de 1.00e+ 0
## 336 Amphitheater (Trier) de 1.00e+ 0
## 337 Bergpark Wilhelmshöhe de 1.00e+ 0
## 338 Barbarathermen de 1.00e+ 0
## 339 Church of the Redeemer, Sacrow en 1.00e+ 0
## 340 Holstentor en 1.00e+ 0
## 341 Aachener Domschatzkammer de 1.00e+ 0
## 342 Stralsund en 1.00e+ 0
SessionInfo
sessionInfo()## R version 3.6.2 (2019-12-12)
## Platform: x86_64-apple-darwin15.6.0 (64-bit)
## Running under: macOS Catalina 10.15.4
##
## Matrix products: default
## BLAS: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRblas.0.dylib
## LAPACK: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRlapack.dylib
##
## locale:
## [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] dplyr_0.8.5 tibble_3.0.1 rectr_0.1.2
##
## loaded via a namespace (and not attached):
## [1] reticulate_1.16 modeltools_0.2-22 tidyselect_1.0.0
## [4] xfun_0.7 listenv_0.7.0 purrr_0.3.3
## [7] lattice_0.20-38 colorspace_1.4-1 vctrs_0.2.4
## [10] htmltools_0.4.0 SnowballC_0.6.0 stats4_3.6.2
## [13] yaml_2.2.1 utf8_1.1.4 rlang_0.4.6
## [16] pillar_1.4.4 glue_1.4.1 lifecycle_0.2.0
## [19] stringr_1.4.0 munsell_0.5.0 gtable_0.3.0
## [22] future_1.14.0 mvtnorm_1.0-10 codetools_0.2-16
## [25] evaluate_0.14 knitr_1.23 parallel_3.6.2
## [28] flexmix_2.3-15 fansi_0.4.1 furrr_0.1.0
## [31] tokenizers_0.2.1 Rcpp_1.0.4.6 scales_1.1.0
## [34] RcppParallel_4.4.4 jsonlite_1.6.1 RSpectra_0.16-0
## [37] fastmatch_1.1-0 stopwords_1.0 ggplot2_3.3.0
## [40] digest_0.6.25 stringi_1.4.6 quanteda_2.0.0
## [43] grid_3.6.2 cli_2.0.2 tools_3.6.2
## [46] magrittr_1.5 crayon_1.3.4 pkgconfig_2.0.3
## [49] ellipsis_0.3.0 Matrix_1.2-18 data.table_1.12.8
## [52] assertthat_0.2.1 rmarkdown_1.12 R6_2.4.1
## [55] globals_0.12.4 nnet_7.3-12 compiler_3.6.2