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(jié)構(gòu)與其他數(shù)據(jù)結(jié)構(gòu)

unnest_tokens函數(shù)

整理Jane Austen的作品

gutenbergr包

詞頻

總結(jié)

第2章 基于整潔數(shù)據(jù)的情感分析

情感數(shù)據(jù)集

內(nèi)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(fù)面單詞

Wordclouds模塊

除單詞外的其他文本單元

總結(jié)

第3章 分析詞和文件頻率：tf-idf

Jane Austen小說中的詞項(xiàng)頻率

Zipf定律

bind_tf_idf函數(shù)

物理學(xué)語料庫

總結(jié)

第4章 詞之間的關(guān)系：n-gram及相關(guān)性

n-gram詞條化

用widyr包對單詞對計(jì)數(shù)并計(jì)算相關(guān)性

總結(jié)

第5章 非整潔格式轉(zhuǎn)換

使文檔-詞項(xiàng)矩陣整潔

將整潔文本數(shù)據(jù)轉(zhuǎn)換為矩陣

總結(jié)

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(shí)現(xiàn)

總結(jié)

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(zhuǎn)發(fā)

總結(jié)

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(guān)單詞

計(jì)算描述字段的tf-idf

總結(jié)

第9章 案例研究：分析Usenet文本

預(yù)處理

新聞組中的單詞

情感分析

總結(jié)

參考文獻(xiàn)