Pada bab ini, Anda akan mempelajari dasar-dasar penggunaan metode bag-of-words untuk menganalisis data teks.

Apa itu text mining?

Memahami text mining

Cicip cepat text mining

Mulai

Muat beberapa teks

Jadikan vektor sebagai objek VCorpus (1)

Jadikan vektor sebagai objek VCorpus (2)

Buat VCorpus dari sebuah data frame

Pembersihan dan prapemrosesan teks

Fungsi pembersihan umum dari tm

Pembersihan dengan qdap

Semua tentang stop word

Pengantar word stemming dan stem completion

Word stemming dan stem completion pada sebuah kalimat

Terapkan langkah prapemrosesan pada sebuah korpus

TDM & DTM

Memahami TDM dan DTM

Membuat document-term matrix

Buat term-document matrix

Memulai Text Mining dengan Bag-of-Words

Bab ini akan mengajarkan Anda memvisualisasikan data teks secara informatif dan menarik.

Visualisasi umum dalam penambangan teks

Uji pemahaman Anda tentang text mining

Istilah yang sering muncul dengan tm

Istilah sering muncul dengan qdap

Pengantar word cloud

Word cloud sederhana

Stop words dan word cloud

Plot word cloud yang lebih baik

Perbaiki warna word cloud

Gunakan palet warna siap pakai

Word cloud lain dan jaringan kata

Temukan kata yang umum

Visualisasikan kata umum

Visualisasikan kata-kata yang tidak mirip

Memvisualisasikan jaringan kata

Teaser: pengelompokan kata sederhana

Word Cloud dan Visual Menarik Lainnya

Pada bab ini, Anda akan mempelajari lebih banyak teknik dasar text mining berbasis metode bag of words.

Pengelompokan kata sederhana

Matriks jarak dan dendrogram

Buat TDM yang ramah untuk dendrogram

Gabungkan semuanya: dendrogram berbasis teks

Estetika dendrogram

Menggunakan asosiasi kata

Melebihi Kata Tunggal

Tokenisasi n-gram

Mengubah n-gram

Bagaimana bigram memengaruhi word cloud?

Kriteria frekuensi yang berbeda

Mengubah bobot frekuensi

Menangkap metadata di tm

Menambah Keterampilan TM Anda

Bab ini menyatukan semuanya melalui studi kasus text mining untuk analitik HR.

Amazon vs. Google

Mengorganisasi proyek text mining

Langkah 1: Definisi masalah

Langkah 2: Mengidentifikasi sumber teks

Langkah 3: Pengorganisasian teks

Pengorganisasian teks

Bekerja dengan ulasan Google

Langkah 4 & 5: Ekstraksi fitur & analisis

Ekstraksi fitur & analisis: amzn_pros

Ekstraksi fitur & analisis: amzn_cons

dendrogram amzn_cons

Asosiasi kata

Tinjauan cepat ulasan Google

Pertarungan seru! Ulasan pro Amazon vs. Google

Pertarungan seru, bagian 2! Ulasan negatif

Langkah 6: Tarik kesimpulan

Tarik kesimpulan, wawasan, atau rekomendasi

Tarik kesimpulan, wawasan, atau rekomendasi lain

Selesai!

Pertarungan Raksasa Teknologi untuk Talenta

Coffee tweets

Chardonnay tweets

Anonymous online reviews: Amazon

Anonymous online reviews: Google

Diperkirakan lebih dari 70% informasi bisnis yang berpotensi digunakan bersifat tidak terstruktur, sering kali berupa data teks. Text mining menyediakan kumpulan teknik yang memungkinkan kita memperoleh wawasan yang dapat ditindaklanjuti dari data tidak terstruktur. Dalam kursus ini, kita mempelajari dasar-dasar text mining menggunakan metode bag of words. Tiga bab pertama memperkenalkan berbagai topik penting untuk menganalisis dan memvisualisasikan data teks. Bab terakhir memungkinkan Anda menerapkan semua yang telah dipelajari dalam studi kasus dunia nyata untuk mengekstrak wawasan dari ulasan karyawan di dua perusahaan teknologi besar.

Intermediate R

Pelajari dasar text mining dengan metode bag of words dan topik penting lainnya untuk analisis data teks di R.

Text Mining dengan Bag-of-Words di R

Pelajari teknik bag of words untuk penambangan teks menggunakan R.

Pencarian Teks di R

Langkah 1: Definisi masalah

Text Mining dengan Bag-of-Words di R

Latihan interaktif langsung