内容简介
文本挖掘是一种从文本数据中抽取有价值的信息和知识的计算机处理技术,也是自然语言处理的热门话题。
本书主要介绍整洁数据的文本挖掘与分析。
整洁数据具有简单且新颖的结构,对其进行分析会更有效、更容易。
本书的所有代码都是基于R语言来编写的,采用tidytext软件包以及其他整洁工具来挖掘文件中的有用信息,并用图形展示出来,这对理解文本内容非常有帮助。
本书提供了非常有用的真实案例,这会为对文本分析工作感兴趣的人提供有价值的信息。
作者简介
Julia Silge,Stack Overflow 数据科学家,负责复杂数据集分析及与不同受众进行技术主题交流。
拥有天体物理学博士学位,热爱简·奥斯汀和制作美丽的图表。
David Robinson,Stack Overflow 数据科学家,普林斯顿大学定量与计算生物学博士。
喜欢开发开源R包,包括 broom、gganimate、fuzzyjoin 和 widyr,还喜欢撰写统计、R和文本挖掘等方面的博客。
目录
目录
前言1
D1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
D2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
Z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
D3章 分析词和文件频率:tf-idf33
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
D4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
D5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
D6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
D7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
D8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-idf129
总结142
D9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
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。
📖 支持知识自由流动
每一本书的稳定访问，都离不开服务器、存储与带宽的长期维护。
