Tekst to dane nieustrukturyzowane, dlatego przed analizą wymaga odpowiedniego przygotowania. W tym rozdziale nauczysz się nadawać tekstowi strukturę – przez tokenizację, czyszczenie oraz traktowanie go jako danych kategorycznych.

Tekst jako dane

Dane z tweetów o liniach lotniczych

Pogrupowane podsumowania

Zliczanie danych kategorycznych

Zliczanie typów użytkowników

Podsumowanie typów użytkowników

Tokenizacja i czyszczenie tekstu

Tokenizacja i zliczanie

Czyszczenie i zliczanie

Porządkowanie tekstu

Liczby są użyteczne, ale wizualizacje mówią więcej. W tym rozdziale nauczysz się stosować możliwości ggplot2 do pracy z danymi tekstowymi w formacie tidy.

Wizualizacja liczby słów

Wizualizacja skarg

Wizualizacja nie-skarg

Ulepszanie wykresów liczby słów

Dodawanie niestandardowych stop słów

Wizualizacja liczby słów za pomocą czynników

Wykresy liczby słów z podziałem na panele

Zliczanie według produktu i zmiana kolejności

Wizualizacja liczby słów z podziałem na fasety

Tworzenie chmur słów

Tworzenie chmury słów

Dodajemy odrobinę koloru

Wizualizacja tekstu

Zliczanie słów i wizualizacje dają pewien wgląd w treść, ale można pójść dalej. W tym rozdziale wykraczamy poza samo zliczanie słów i analizujemy sentyment – czyli emocjonalne zabarwienie tekstu.

Słowniki sentymentu

Zliczanie sentymentów w słowniku NRC

Wizualizacja sentymentów ze słownika NRC

Łączenie słowników

Zliczanie sentymentów

Wizualizacja sentymentu

Udoskonalanie analizy sentymentu

Ćwiczenie przekształcania danych

Ćwiczenie z pogrupowanymi podsumowaniami

Wizualizacja sentymentu według typu skargi

Analiza sentymentu

W ostatnim rozdziale wychodzimy poza zliczanie słów i odkrywamy ukryte tematy obecne w zbiorze dokumentów. Wykorzystamy do tego standardowy model tematyczny znany jako latentna alokacja Dirichleta.

Utajona alokacja Dirichleta

Tematy jako prawdopodobieństwa słów

Podsumowywanie tematów

Wizualizacja tematów

Macierze dokument–termin

Tworzenie DTM

Ocena DTM jako macierzy

Uruchamianie modeli tematycznych

Dopasowywanie modelu LDA

Porządkowanie wyników LDA

Porównywanie wyników LDA

Interpretacja tematów

Nazywanie trzech tematów

Nadawanie nazw czterem tematom

Podsumowanie

Modelowanie tematyczne

Airline tweets

Roomba reviews

Od mediów społecznościowych po recenzje produktów – tekst staje się coraz ważniejszym typem danych w wielu dziedzinach, w tym w analityce marketingowej. W wielu przypadkach tekst wypiera inne formy danych nieustrukturyzowanych, ponieważ jest tani i aktualny. Aby jednak w pełni wykorzystać jego potencjał, trzeba wiedzieć, jak go przetwarzać, oczyszczać, podsumowywać i modelować. W tym kursie skorzystasz z nowoczesnych narzędzi tidy, aby szybko i łatwo rozpocząć pracę z tekstem. Nauczysz się porządkować i wizualizować tekst, przeprowadzać analizę sentymentu oraz budować i interpretować modele tematyczne.

Introduction to the Tidyverse

Dowiedz się, jak analizować dane tekstowe w R za pomocą tidy. Naucz się analizy sentymentu i modelowania.

Wprowadzenie do analizy tekstu w R

Analizuj dane tekstowe w R, korzystając z frameworku tidy.

Analityka marketingowa w R

Text Mining w R

Tematy jako prawdopodobieństwa słów

Wprowadzenie do analizy tekstu w R

Interaktywne ćwiczenie praktyczne