文本挖掘：基于R语言的整洁工具

前言

第1章 整洁文本格式

比较整洁文本结构与其他数据结构

unnest_tokens函数

整理Jane Austen的作品

gutenbergr包

词频

总结

第2章 基于整洁数据的情感分析

情感数据集

内连接的情感分析

比较三个情感词典

最常见的正面单词和负面单词

Wordclouds模块

除单词外的其他文本单元

总结

第3章 分析词和文件频率：tf-idf

Jane Austen小说中的词项频率

Zipf定律

bind_tf_idf函数

物理学语料库

总结

第4章 词之间的关系：n-gram及相关性

n-gram词条化

用widyr包对单词对计数并计算相关性

总结

第5章 非整洁格式转换

使文档-词项矩阵整洁

将整洁文本数据转换为矩阵

总结

第6章 主题建模

LDA

示例：博大的图书馆馆藏

LDA方法的替代实现

总结

第7章 案例研究：Twitter归档文件比较

单词使用情况的比较

单词使用情况的变化

收藏和转发

总结

第8章 案例研究：NASA元数据挖掘

NASA如何组织数据

共现单词与相关单词

计算描述字段的tf-idf

总结

第9章 案例研究：分析Usenet文本

预处理

新闻组中的单词

情感分析

总结

参考文献