[R语言]文本分类(1)

最新推荐文章于 2019-03-10 23:43:25 发布

txHe

最新推荐文章于 2019-03-10 23:43:25 发布

阅读量2k

点赞数

分类专栏： NLP-自然语言处理 R语言文章标签： r语言

本文链接：https://blog.csdn.net/htx931005/article/details/49491849

版权

本文介绍了作者在项目中使用R语言进行文本分类的学习过程。R语言因其强大的统计计算和绘图能力而被选用，通过RStudio作为IDE。文中提到了几个关键的R包，包括RODBC用于连接数据库，tm进行文本挖掘，RwordSeg进行分词，maxent和e1071分别提供了最大熵和SVM分类器。此外，还展示了使用WordCloud包创建词云的示例，并推荐了《R语言实战》一书作为学习资源。

摘要由CSDN通过智能技术生成

因项目需要，结合自身专业知识，故而接触了R语言及一些常用分类器。记录下自己这一个多月的学习历程。

R语言

与起源于贝尔实验室的s语言类似，R也是一种为统计计算和绘图而生的语言和环境，它是一套开源的数据分析解决方案，由一个庞大且活跃的全球性研究型社区维护。

R是一门脚本语言，在绘图方面有着非常强的能力，它可以让你集中到你要设计的逻辑上来，而不必太过纠结于代码的实现。它的包实在太丰富，几乎能满足你全部的需要。我使用的IDE是RStudio。然后介绍几个我在文本分类里用到的包：

RODBC 连接数据库的包，我主要用它读取数据库里的信息然后保存到本地，制成文本文件。
tm 文本挖掘的包，对数据的读入、输出及语料库的提取、转化、过滤等等，最终转化成文档-词条矩阵。
RwordSeg 这是一个分词包，需配合rJava包一起使用。分词效果对我而言已够用。
maxent 最大熵分类器包，选择最大熵分类器是因为它效率较高。
e1071 该包中有svm分类器。具体可看使用者文档。

为了激发兴趣，学习了其中一个很有意思的包：词云包——WordCloud
代码如下：

library(wordcloud)  #加载wordcloud包
library(RColorBrewer) #加载颜色包
png(file="WordCloud.png", bg="white",width = 600, height = 780) #新建一个png的文件作为词云文件。

colors = brewer.pal(8,"Dark2")[-(1:4)]
data = read.csv("wordc