文挖掘 基于R语言的整洁工具PDF电子书下载

前言 1

第1章 整洁文本格式 7

比较整洁文本结构与其他数据结构 8

unnest tokens函数 8

整理Jane Austen的作品 10

gutenbergr包 13

词频 13

总结 17

第2章 基于整洁数据的情感分析 18

情感数据集 18

内连接的情感分析 21

比较三个情感词典 24

最常见的正面单词和负面单词 26

Wordclouds模块 28

除单词外的其他文本单元 30

总结 32

第3章 分析词和文件频率：tf-idf 33

Jane Austen小说中的词项频率 34

Zipf定律 35

bind tf idf函数 38

物理学语料库 41

总结 45

第4章 词之间的关系：n-gram及相关性 46

n-gram词条化 46

用widyr包对单词对计数并计算相关性 60

总结 66

第5章 非整洁格式转换 67

使文档-词项矩阵整洁 67

将整洁文本数据转换为矩阵 74

总结 84

第6章 主题建模 85

LDA 86

示例：博大的图书馆馆藏 91

LDA方法的替代实现 101

总结 102

第7章 案例研究：Twitter归档文件比较 103

单词使用情况的比较 107

单词使用情况的变化 109

收藏和转发 113

总结 117

第8章 案例研究：NASA元数据挖掘 118

NASA如何组织数据 118

共现单词与相关单词 123

计算描述字段的tf-idf 129

总结 142

第9章 案例研究：分析Usenet文本 143

预处理 143

新闻组中的单词 146

情感分析 151

总结 159

参考文献 160