R文本挖掘

使用tm和tidytext包进行词频统计、词云绘制、情感分析与主题建模 · 难度：入门 · +15XP

文本挖掘：从文字中提取洞察

文本挖掘将非结构化文本转化为结构化数据，进行词频、情感、主题等分析。

1. 加载包与创建语料库

library(tm)
library(wordcloud)
library(SnowballC)
texts <- c('R is great for data science', 'I love R programming', 'Data analysis with R is fun')
corpus <- VCorpus(VectorSource(texts))

2. 文本预处理

corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeWords, stopwords('en'))
corpus <- tm_map(corpus, stemDocument)

3. 创建文档-词项矩阵

dtm <- DocumentTermMatrix(corpus)
inspect(dtm)

4. 词频统计与词云

freq <- colSums(as.matrix(dtm))
wordcloud(names(freq), freq, min.freq=1, colors=brewer.pal(8,'Dark2'))

5. 情感分析（使用tidytext）

library(tidytext)
library(dplyr)
text_df <- data.frame(line=1:3, text=texts)
text_df %>% unnest_tokens(word, text) %>% inner_join(get_sentiments('bing'))

文本挖掘流程：

练习提示：使用内置crude数据集，做词云和情感分析。