移除停用词和多余空格
文本语料库通常包含许多常见词,如 "a"、"an"、"the"、"of" 和 "but"。在自然语言处理里,这些词称为停用词。
文本处理时通常会移除停用词,这样就能将注意力放在语料库中更重要的词上,从而获取洞见。
另外,在移除特殊字符、标点、数字和停用词的过程中,会产生多余空格,也需要从语料库中清理掉。
您在上一个练习中创建的语料库已预加载为 twt_corpus_lwr。
本练习已预加载库 tm。
本练习是课程的一部分
用 R 分析社交媒体数据
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Remove English stop words from the corpus and view the corpus
twt_corpus_stpwd <- ___(twt_corpus_lwr, ___, stopwords("___"))
head(twt_corpus_stpwd$content)