R语言|文本挖掘应用|标签云

虽然总有人对比python与R的实用性，但是作为数据分析的目标而言，工具不是重点，目标需求才是首要关注点，所以，今天尝试用R自带的一系列工具包来完成对于文本内容的挖掘，并利用标签云展示词频关系。

- 工具包
分词包jiebaR（类似于python中的jieba，但兼具标注，关键词提取以simhash等功能）
标签云包wordcloud

- 编程环境
R编译解释器
Rstudio（界面简洁，操作方便，集成大量实用功能）

- 挖掘展示过程
大体步骤分如下：
1.数据源的读入，整合并做分词

test <- readLines(“corpus.txt”, encoding = ‘UTF-8’)
mixseg = worker(stop_word = “stop_words.utf8”)
words = c()
for (i in test) {words = c(words, mixseg <= i)}

注：worker()函数建立分词环境，这里添加停用词路径，其他参数可使用？worker访问查看，将分割后的词语利用数组列表words存储；

2.数据频次统计，排序筛选，并制作数据帧data.frame

word = table(words)
word <- sort(word, decreasing = TRUE)