关闭

R语言-文本挖掘例子

标签: R语言文本挖掘
5202人阅读 评论(0) 收藏 举报
分类:

以总理2015报告原文进行挖掘处理,先将报告内容保存为TXT格式文本。

需要的包:rJava,Rwordseg,wordcloud。

library(rJava)

library(Rwordseg)

library(wordcloud)

1、读入文本数据

mydata<-read.csv("D:/test/R/report2015.txt", stringsAsFactors=FALSE,header=FALSE)

2、中文分词

txt<-segmentCN(as.character(mydata$V1))

3、将列表转换为向量

txt.aslist<-unlist(txt)

4、词语统计

txt.freq<-table(txt.aslist)

5、频数排序

txt.result<-txt.freq[order(-txt.freq)]

6、画词云

wordcloud(names(txt.result),txt.result,random.order=FALSE)

7、取前100位画词云

 wordcloud(names(text.result)[1:100],text.result[1:100],random.order=FALSE)


如果要去除停止词,可使用下面的步骤:

8、使用去停止词

(1)导入停止词表

stopword<-read.csv('D:/test/R/stop-word.txt',stringsAsFactors=FALSE,header=FALSE)

(2)将data.frame类型数据转换为向量型数据

stopword.v<-as.vector(stopword$V1)

(3)去除词语统计中的停止词

word.pure<-setdiff(names(txt.result),stopword.v)

word.pure为去除停止词的统计分析对象词表。

(4)取出非停止词

txt.pure<-txt.result[word.pure]

(5)画词云

wordcloud(names(txt.pure)[1:100],txt.pure[1:100],random.order=FALSE)




注意:

对table对象 ta,

dimnames(ta) 结果为list型

names(ta)结果为向量型。

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:2154414次
    • 积分:21648
    • 等级:
    • 排名:第334名
    • 原创:458篇
    • 转载:167篇
    • 译文:3篇
    • 评论:125条
    博客专栏
    文章分类
    最新评论