Eftersom text är ostrukturerad data krävs en del bearbetning för att göra den analyserbar. I det här kapitlet lär du dig att ge text struktur genom tokenisering, rensning och hantering av text som kategoriska data.

Text som data

Data om flygbolagstweets

Grupperade sammanfattningar

Räkna kategorisk data

Räkna användartyper

Sammanfatta användartyper

Tokenisering och rensning

Tokenisering och ordräkning

Rensa och räkna

Bearbeta text

Frekvenser är användbara, men visualiseringar är ännu bättre. I det här kapitlet lär du dig att tillämpa dina kunskaper om ggplot2 på tidy-textdata.

Plotta ordfrekvenser

Visualisera klagomål

Visualisera icke-klagomål

Förbättra ordfrekvensdiagram

Lägga till anpassade stoppord

Visualisera ordfrekvenser med faktorer

Dela upp ordfrekvensdiagram med facetter

Räkna per produkt och ordna om

Visualisera ordantal med fasetter

Skapa ordmoln

Skapa ett ordmoln

Lägg till lite färg

Visualisera text

Ordfrekvenser och visualiseringar ger en bild av innehållet, men vi kan gå längre. I det här kapitlet går vi bortom enbart ordfrekvenser och analyserar textens sentiment, det vill säga dess känslomässiga laddning.

Sentimentordlistor

Räkna NRC-känslorna

Visualisera NRC-sentimenten

Lägga till i ordböcker

Räkna sentiment

Visualisera sentiment

Förbättra sentimentanalysen

Öva på att omforma data

Öva på grupperade sammanfattningar

Visualisera sentiment efter klagomålstyp

Sentimentanalys

I det här sista kapitlet går vi bortom ordfrekvenser för att ta fram de underliggande ämnena i en samling dokument. Vi använder en etablerad ämnesmodell kallad latent Dirichlet-allokering.

Latent Dirichlet-allokering

Ämnen som ordprobabiliteter

Sammanfatta ämnen

Visualisera ämnen

Dokument-termmatriser

Skapa en DTM

Utvärdera en DTM som en matris

Köra ämnesmodeller

Anpassa en LDA

Städa upp LDA-utdata

Jämföra LDA-resultat

Tolka ämnen

Namnge tre ämnen

Namnge fyra ämnen

Avslutning

Ämnesmodellering

Airline tweets

Roomba reviews

Från sociala medier till produktrecensioner – text är en allt viktigare datatyp inom många tillämpningsområden, däribland marknadsföringsanalys. I många sammanhang ersätter text andra former av ostrukturerad data, tack vare att den är både billig och aktuell. Men för att verkligen dra nytta av allt som text har att erbjuda behöver du veta hur du ska tänka kring, rensa, sammanfatta och modellera text. I den här kursen använder du de senaste tidy-verktygen för att snabbt och enkelt komma igång med textanalys. Du lär dig att bearbeta och visualisera text, utföra sentimentanalys samt köra och tolka ämnesmodeller.

Introduction to the Tidyverse

Lär dig analysera textdata med tidy-ramverket i R: sentimentanalys, ämnesmodellering och visualisering.

Introduktion till textanalys i R

Analysera textdata i R med tidy-ramverket.

Marknadsanalys i R

Text mining i R

Ämnen som ordprobabiliteter

Introduktion till textanalys i R

Interaktiv övning med praktiskt arbete