lda主题模型的可视化_【R语言】LDA主题模型与可视化

前言

上一篇文章已经把常用的文本聚类分类方法向大家介绍了一遍，其实那些都真的是挺常用的了，我还看到了有文章用LSTM来做的，我也尝试了一遍，在编码问题上搞不定('utf-8' codec can't decode byte 0xb7 in position 0: invalid start byte)，遂放弃，等以后有机会再行研究。

然后这一篇文章则是介绍一下文本聚类。文本聚类的意思其实就是将一大堆语料以某种特征为标准进行归类，而同一类的内容都是有相同的主题的，找主题是文本聚类的重要目的。一般会应用在评论分析当中。

文本聚类常用的聚类方法有K-means,hclust等(可以看)，而今天则操作一个比较复杂的LDA文本主题模型。

1.载入包

library(Rwordseg)#分词处理工具

library(tm)#文本整理工具，创建矩阵

library(tmcn)

library(lda)#LDA模型包

library(LDAvis)#LDA可视化

library(topicmodels)

这篇文章当中终于介绍到了功能也很强大的Rwordseg包，个人觉得，这个包分词的速度挺快的，优势在于支持词典的插入，尤其是搜狗的词典，同时还支持分词格式的选择，在这里可以将长文本分成tm包支持的格式，方便词条矩阵的生成。但是在文本的处理上，它貌似不够jiebaR全面，因此在这里还导入了tm包做文本的处理。

其实用jiebaR也行，只是我想借机介绍一下Rwordseg包而已。这个包好像更新的比较慢，有点老，而且安装需要java环境，挺麻烦的。。。

而tm包其实也有文本处理的功能，很强大，尤其是对于英语文本，一下子就处理完成了，值得大家去学习探究。

2.载入数据

evaluaton

str(evaluaton)

#读入停用词

stop_words

介绍一下数据，文本是一个长文本，没有分行，但可能太长系统自动帮我分成了两行。所以在某些意义上来说，今天处理的文本和前面文章处理的文本都不一样，但是在处理上都是差不多的。

*然后我偶然间又看到了另外一种导入方法，tm包自带了文档的读入，