文本挖掘：基于R語言的整潔工具

前言

第1章 整潔文本格式

比較整潔文本結構與其他數(shù)據(jù)結構

unnest_tokens函數(shù)

整理Jane Austen的作品

gutenbergr包

詞頻

總結

第2章 基于整潔數(shù)據(jù)的情感分析

情感數(shù)據(jù)集

內連接的情感分析

比較三個情感詞典

最常見的正面單詞和負面單詞

Wordclouds模塊

除單詞外的其他文本單元

總結

第3章 分析詞和文件頻率：tf-idf

Jane Austen小說中的詞項頻率

Zipf定律

bind_tf_idf函數(shù)

物理學語料庫

總結

第4章 詞之間的關系：n-gram及相關性

n-gram詞條化

用widyr包對單詞對計數(shù)并計算相關性

總結

第5章 非整潔格式轉換

使文檔-詞項矩陣整潔

將整潔文本數(shù)據(jù)轉換為矩陣

總結

第6章 主題建模

LDA

示例：博大的圖書館館藏

LDA方法的替代實現(xiàn)

總結

第7章 案例研究：Twitter歸檔文件比較

單詞使用情況的比較

單詞使用情況的變化

收藏和轉發(fā)

總結

第8章 案例研究：NASA元數(shù)據(jù)挖掘

NASA如何組織數(shù)據(jù)

共現(xiàn)單詞與相關單詞

計算描述字段的tf-idf

總結

第9章 案例研究：分析Usenet文本

預處理

新聞組中的單詞

情感分析

總結

參考文獻