शुरू करेंमुफ़्त में शुरू करें

TM रिफ्रेशर (I)

Text Mining: Bag of Words कोर्स में आपने सीखा था कि corpus टेक्स्ट का एक सेट होता है, और आपने टेक्स्ट के preprocessing के लिए कुछ फंक्शन भी पढ़े थे। दोहराने के लिए, corpus बनाने और साफ़ करने का एक तरीका नीचे दिए गए फंक्शन से है। भले ही यह अलग कोर्स हो, sentiment analysis भी text mining का हिस्सा है, इसलिए एक छोटा रिफ्रेशर उपयोगी रहेगा.

  • VectorSource() का उपयोग करके किसी character vector को text source में बदलें।
  • VCorpus() का उपयोग करके किसी text source को corpus में बदलें।
  • tm के removePunctuation() और stripWhitespace(), तथा qdap के replace_abbreviation() जैसे cleaning फंक्शनों से corpus से अनचाहे characters हटाएँ।

इस अभ्यास में आसान उपयोग के लिए standard preprocessing फंक्शनों से बनाया गया एक कस्टम clean_corpus() फंक्शन दिया गया है।

clean_corpus(), VCorpus() के आउटपुट को स्वीकार करता है और उस पर cleaning फंक्शन लागू करता है। उदाहरण के लिए:

processed_corpus <- clean_corpus(my_corpus)

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Sentiment Analysis

पाठ्यक्रम देखें

अभ्यास निर्देश

आपके R session में tm_define नामक एक text vector है जिसमें दो छोटे डॉक्यूमेंट हैं, और clean_corpus() फंक्शन भी उपलब्ध है।

  • VectorSource() को tm_define पर लागू करके tm_vector नाम का ऑब्जेक्ट बनाएँ।
  • tm_vector पर VCorpus() चलाकर tm_corpus बनाएँ.
  • tm_corpus के पहले डॉक्यूमेंट की सामग्री देखने के लिए content() का उपयोग करें।
    • कॉर्पस में डॉक्यूमेंट list सिंटैक्स से एक्सेस होते हैं, इसलिए डबल स्क्वायर ब्रैकेट, जैसे [[1]], का उपयोग करें।
  • कस्टम फंक्शन clean_corpus() को tm_corpus पर चलाकर corpus टेक्स्ट साफ़ करें। इस नए ऑब्जेक्ट को tm_clean कहें।
  • नए tm_clean ऑब्जेक्ट के पहले डॉक्यूमेंट को फिर से देखें ताकि समझ आए कि clean_corpus() के बाद टेक्स्ट कैसे बदला।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# clean_corpus(), tm_define are pre-defined
clean_corpus
tm_define

# Create a VectorSource
tm_vector <- ___

# Apply VCorpus
tm_corpus <- ___

# Examine the first document's contents
___(___[[___]])

# Clean the text
tm_clean <- ___

# Reexamine the contents of the first doc
___
कोड संपादित करें और चलाएँ