R语言基于tm包开启文本挖掘

今天我们看下文本挖掘在R语言中是如何被实现。文本挖掘作为自然语言处理的一个分支，主要目的是一个抽取有效、新颖、有用、可理解的、散布在文本文件中的有价值知识，并且利用这些知识更好地组织信息的过程。本次主要给大家介绍下tm包的使用。首先看下包的安装：

​​​​​​​

install.packages(“tm”)install.packages(“filehash”)

首先看下此包中主要的参数render取值的范围：

接下来看下source所允许的读取方式：DataframeSource, DirSource, URISource, VectorSource,和 XMLSource。其输入格式：URISource(x, encoding ="", mode = "text")。其中mode可以是text，binary。或者是空，那样就是只获取url不读取其中的内容。

接下来就是构建语料库，语料库的构建需要整合上面的两个函数，有如下四种语料库的构建：

1. SimpleCorpus(x, control = list(language= "en"))。这个语料库的构建是最简单将DataframeSource,DirSource 和VectorSource资源进行读取并构建在内存中的语料库形式。没有render参数的引入

2. VCorpus(x, readerControl = list(reader =reader(x), language