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-allocatie

Topics als woordkansen

Topics samenvatten

Topics visualiseren

Document-termmatrices

Een DTM maken

Een DTM als matrix evalueren

Topicmodellen uitvoeren

Een LDA fitten

LDA-uitvoer opruimen

LDA-uitvoer vergelijken

Onderwerpen interpreteren

Drie topics een naam geven

Vier topics benoemen

Afronding

Topic Modeling

Airline tweets

Roomba reviews

Van sociale media tot productreviews: tekst is een steeds belangrijker soort data in allerlei toepassingen, waaronder marketinganalytics. In veel gevallen vervangt tekst andere vormen van ongestructureerde data omdat het goedkoop en actueel is. Maar om alles uit tekst te halen, moet je weten hoe je tekst benadert, opschoont, samenvat en modelleert. In deze cursus gebruik je de nieuwste tidy-tools om snel en eenvoudig met tekst aan de slag te gaan. Je leert tekst prepareren en visualiseren, een sentimentanalyse uitvoeren en topicmodellen draaien en interpreteren.

Introduction to the Tidyverse

Ontdek hoe je tekstdata analyseert met het tidy framework in R: sentimentanalyse, topicmodellering en visualisatie.

Introductie tot tekstanalyse in R

Analyseer tekstgegevens in R met behulp van het tidy-framework.

Marketinganalyse in R

Tekstmining in R

Topics als woordkansen

Introductie tot tekstanalyse in R

Praktische interactieve oefening