Since text is unstructured data, a certain amount of wrangling is required to get it into a form where you can analyze it. In this chapter, you will learn how to add structure to text by tokenizing, cleaning, and treating text as categorical data.

Text as data

Airline tweets data

Grouped summaries

Counting categorical data

Counting user types

Summarizing user types

Tokenizing and cleaning

Tokenizing and counting

Cleaning and counting

Wrangling Text

While counts are nice, visualizations are better. In this chapter, you will learn how to apply what you know from ggplot2 to tidy text data.

Plotting word counts

Visualizing complaints

Visualizing non-complaints

Improving word count plots

Adding custom stop words

Visualizing word counts using factors

Faceting word count plots

Counting by product and reordering

Visualizing word counts with facets

Plotting word clouds

Creating a word cloud

Adding a splash of color

Visualizing Text

While word counts and visualizations suggest something about the content, we can do more. In this chapter, we move beyond word counts alone to analyze the sentiment or emotional valence of text.

Sentiment dictionaries

Counting the NRC sentiments

Visualizing the NRC sentiments

Appending dictionaries

Counting sentiment

Visualizing sentiment

Improving sentiment analysis

Practicing reshaping data

Practicing with grouped summaries

Visualizing sentiment by complaint type

Sentiment Analysis

In this final chapter, we move beyond word counts to uncover the underlying topics in a collection of documents. We will use a standard topic model known as latent Dirichlet allocation.

Latent Dirichlet allocation

Argomenti come probabilità delle parole

Riepilogare gli argomenti

Visualizzare gli argomenti

Matrici documento-termine

Creare una DTM

Valutare una DTM come matrice

Esecuzione di modelli di topic

Adattare un LDA

Mettere in ordine l'output LDA

Confrontare l'output di LDA

Interpretare gli argomenti

Dare un nome a tre topic

Dare un nome a quattro topic

Riepilogo

Topic Modeling

Airline tweets

Roomba reviews

Dai social media alle recensioni di prodotto, il testo è un tipo di dato sempre più importante in molte applicazioni, inclusa la marketing analytics. In molti casi, il testo sta sostituendo altre forme di dati non strutturati perché è economico e aggiornato. Tuttavia, per sfruttare al massimo tutto ciò che il testo può offrire, devi sapere come concepirlo, pulirlo, riassumerlo e modellarlo. In questo corso userai i più recenti strumenti tidy per iniziare rapidamente e con facilità a lavorare con il testo. Imparerai a manipolare e visualizzare il testo, eseguire un'analisi del sentiment e avviare e interpretare modelli di topic.

Introduction to the Tidyverse

Scopri come analizzare dati testuali con il framework tidy in R: analisi sentimenti, modelli e visualizzazioni.

Matrici documento-termine

Create Your Free Account