Comme le texte est une donnée non structurée, un certain travail de préparation est nécessaire pour l'amener à une forme analysable. Dans ce chapitre, vous apprendrez à structurer un texte en le segmentant en unités (tokenisation), en le nettoyant et en le traitant comme une donnée catégorielle.

Traiter le texte comme des données

Données de gazouillis sur les compagnies aériennes

Sommaires groupés

Compter des données catégorielles

Compter les types d'utilisateurs

Résumer les types d'utilisateurs

Tokenisation et nettoyage

Mise en tokens et comptage

Nettoyer et compter

Préparer des textes

Les décomptes, c'est bien, mais les visualisations, c'est encore mieux. Dans ce chapitre, vous apprendrez à appliquer ce que vous connaissez de ggplot2 à des données textuelles au format « tidy ».

Visualiser la fréquence des mots

Visualiser les plaintes

Visualiser les non-plaintes

Améliorer les graphiques de décompte de mots

Ajouter des mots vides personnalisés

Visualiser les fréquences de mots avec des facteurs

Tracer des décompositions (facettes) de décomptes de mots

Compter par produit et réordonner

Visualiser les fréquences de mots avec des facettes

Tracer des nuages de mots

Créer un nuage de mots

Ajoutez une touche de couleur

Visualiser des textes

Même si les comptes de mots et les visualisations donnent un aperçu du contenu, on peut aller plus loin. Dans ce chapitre, nous dépassons les simples comptes de mots pour analyser le sentiment, ou la valence émotive, d'un texte.

Dictionnaires de sentiments

Compter les sentiments NRC

Visualiser les sentiments NRC

Ajouter des dictionnaires

Compter les sentiments

Visualiser le sentiment

Améliorer l'analyse des sentiments

S'exercer au remodelage des données

S'exercer avec des regroupements et des résumés

Visualiser le sentiment selon le type de plainte

Analyse des sentiments

Dans ce dernier chapitre, nous allons au-delà des comptes de mots pour mettre au jour les thèmes sous-jacents d'un ensemble de documents. Nous utiliserons un modèle thématique standard appelé allocation de Dirichlet latente.

Latent Dirichlet allocation (LDA)

Thèmes comme probabilités des mots

Résumer les sujets

Visualiser les sujets

Matrices terme-document

Créer une matrice termes-documents (DTM)

Évaluer une DTM comme matrice

Exécuter des modèles de sujets

Ajuster une LDA

Mettre en ordre la sortie LDA

Comparer les résultats de LDA

Interpréter les thématiques

Nommer trois sujets

Nommer quatre sujets

Conclusion

Modélisation thématique

Airline tweets

Roomba reviews

Des médias sociaux aux évaluations de produits, le texte est un type de données de plus en plus important dans de nombreux domaines, y compris l'analytique marketing. Dans bien des cas, le texte remplace d'autres formes de données non structurées parce qu'il est peu coûteux et à jour. Toutefois, pour tirer pleinement parti de tout ce que le texte peut offrir, vous devez savoir comment le concevoir, le nettoyer, le résumer et le modéliser. Dans ce cours, vous utiliserez les plus récents outils « tidy » pour commencer rapidement et facilement avec le texte. Vous apprendrez à le préparer et à le visualiser, à effectuer une analyse des sentiments, puis à exécuter et interpréter des modèles thématiques.

Introduction to the Tidyverse

Découvrez comment analyser des données textuelles avec le cadre tidy en R : analyse de sentiment, modélisation de sujets.

Introduction à l'analyse de texte en R

Analysez des données textuelles en R avec le cadre tidy.

Analytique marketing en R

Extraction de texte en R

Thèmes comme probabilités des mots

Introduction à l'analyse de texte en R

Exercice interactif pratique