In dit hoofdstuk leer je de basis van het gebruik van de bag-of-words-methode voor het analyseren van tekstdata.

Wat is text mining?

Text mining begrijpen

Snelle kennismaking met text mining

Aan de slag

Laad wat tekst

Maak van de vector een VCorpus-object (1)

Maak van de vector een VCorpus-object (2)

Maak een VCorpus van een data frame

Tekst opschonen en voorbewerken

Veelgebruikte schoonmaakfuncties uit tm

Opschonen met qdap

Alles over stopwoorden

Introductie tot woordstammen en stem completion

Woordstammen en stam-aanvulling op een zin

Pas preprocessing-stappen toe op een corpus

De TDM & DTM

TDM en DTM begrijpen

Maak een document-termmatrix

Maak een term-documentmatrix

Aan de slag met text mining en bag-of-words

In dit hoofdstuk leer je tekstdata te visualiseren op een manier die zowel informatief als aantrekkelijk is.

Veelvoorkomende visualisaties voor tekstmining

Test je begrip van text mining

Frequente termen met tm

Frequente termen met qdap

Introductie tot word clouds

Een eenvoudige wordcloud

Stopwoorden en word clouds

Maak de betere wordcloud

Verbeter de kleuren van de wordcloud

Gebruik ingebouwde kleurpaletten

Andere wordclouds en woordnetwerken

Vind gemeenschappelijke woorden

Visualiseer gemeenschappelijke woorden

Visualiseer niet-overeenkomende woorden

Gepolariseerde tagcloud

Visualiseer woordnetwerken

Teaser: eenvoudige woordclustering

Wolkjes van woorden en andere interessante visuals

In dit hoofdstuk leer je meer basistechnieken voor text mining op basis van de bag-of-words-methode.

Eenvoudige woordclustering

Test je kennis van text mining

Afstandsmatrix en dendrogram

Maak een voor dendrogrammen geschikte TDM

Alles bij elkaar: een tekstgebaseerde dendrogram

Dendrogram opmaken

Woordenassociaties gebruiken

Verder dan losse woorden

N-gram-tokenisatie

n-grams wijzigen

Hoe beïnvloeden bigrammen wordclouds?

Verschillende frequentiecriteria

Frequentiegewichten aanpassen

Metadata vastleggen in tm

Je TM-vaardigheden uitbreiden

Dit hoofdstuk brengt alles samen met een casestudy in text mining voor HR-analytics.

Amazon vs. Google

Een text mining-project organiseren

Stap 1: Probleemdefinitie

Stap 2: De tekstbronnen identificeren

Stap 3: Tekst ordenen

Tekst organiseren

Werken met Google-reviews

Stappen 4 & 5: Kenmerkextractie en analyse

Feature-extractie & analyse: amzn_pros

Feature-extractie & analyse: amzn_cons

amzn_cons dendrogram

Woordassociatie

Snelle check van Google-reviews

Kooi­gevecht! Amazon vs. Google pro-reviews

Cage match, deel 2! Negatieve reviews

Stap 6: Trek een conclusie

Trek conclusies, inzichten of aanbevelingen

Trek nog een conclusie, inzicht of aanbeveling

Klaar!

Strijd om talent tussen de techreuzen

Coffee tweets

Chardonnay tweets

Anonymous online reviews: Amazon

Anonymous online reviews: Google

Er wordt geschat dat meer dan 70% van potentieel bruikbare bedrijfsinformatie ongestructureerd is, vaak in de vorm van tekstdata. Text mining biedt een verzameling technieken waarmee we bruikbare inzichten uit ongestructureerde data kunnen halen. In deze cursus verkennen we de basis van text mining met de bag-of-words-methode. De eerste drie hoofdstukken behandelen uiteenlopende essentiële onderwerpen voor het analyseren en visualiseren van tekstdata. In het laatste hoofdstuk pas je alles wat je hebt geleerd toe in een praktijkcase om inzichten te halen uit werknemersreviews van twee grote techbedrijven.

Intermediate R

Ontdek de basis van tekstmining met de bag-of-words-methode en andere essentiële onderwerpen in R.

Text mining met bag-of-words in R

Leer de bag-of-words-techniek voor tekstmining met R.

Tekstmining in R

Instructor

Stappen 4 & 5: Feature-extractie en analyse

Feature-extractie

Termfrequenties ophalen

Visualisaties maken met plotrix

Laten we oefenen!

Strijd om talent tussen de techreuzen - Stappen 4 & 5: Kenmerkextractie en analyse

Stappen 4 & 5: Kenmerkextractie en analyse

Create Your Free Account