R语言-文本挖掘例子

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。