本课程第 1 章将带您完成首次文本分析的准备工作。您将学习正则表达式和分词，这两项是大多数分析任务中最常见的组成部分。通过正则表达式，您可以搜索几乎任意的模式；借助分词，您可以为更复杂的分析准备并清洗文本。本章为后续章节中的技术打下必要基础。

正则表达式基础

用 grep 练习语法

探索正则表达式函数。

分词（Tokenization）

tidytext 函数

分词：句子

文本清洗基础

文本预处理：去除停用词

文本预处理：词干提取

真正的基础

在本章中，您将学习最常见、研究最充分的文本分析方法。您将看到如何创建文本语料库，将词袋表示扩展为 TF-IDF 矩阵，并使用余弦相似度来判断两段文本之间的相似程度。您将在前两者的基础上进一步巩固 NLP 实操能力，然后在第 3 章和第 4 章进入 NLP 的应用。

理解 R 语料库

探索 R 语料库

从语料库创建 tibble

创建语料库

Bag-of-Words 表示法

练习 BoW

BoW 示例

稀疏矩阵

TFIDF

手工计算

TFIDF 实战

余弦相似度

一次文本分析失败的示例

余弦相似度示例

文本表示

第 3 章聚焦两种常见的文本分析方法：分类建模和主题建模。如果您从事文本分析项目，几乎一定会用到其中一种或两种方法。本章将教您如何实施这两类技术，并从实践角度提供相应的思路与指南。

为建模准备文本

数据准备

移除稀疏项

分类建模

分类建模示例

混淆矩阵

TFIDF tibble 与 dtm

主题建模入门

LDA 实践

为文档分配主题

实践中的 LDA

测试困惑度

回顾 LDA 结果

应用：分类与主题建模

第 4 章将介绍自然语言处理中的两项常用方法：情感分析和词向量。这两种分析技术是学习文本分析基础时不可或缺的内容。此外，您还将简要了解 BERT、词性标注和命名实体识别。本课程共涵盖近 15 种分析技术，因此第 4 章最后会对您在本课程中学到的重点方法进行回顾总结。

情感分析

tidytext 词典

情感分数

情感与情绪

词嵌入（word embeddings）

h2o 实践

word2vec

方法回顾 #1

方法回顾 #2

总结

进阶技术

Russian Troll tweets

Animal Farm

和所有基础课一样，R 自然语言处理入门旨在为您提供开始文本分析所需的工具。自然语言处理（NLP）是数据科学中不断发展的一门领域，过去 10 年取得了许多令人振奋的进展。本课程将涵盖这些主题的基础概念，并帮助您拓展分析能力。我们将深入讲解正则表达式、主题建模、命名实体识别等内容，并配以可直接用于启动您后续分析的完整示例。

Intermediate R

Introduction to the Tidyverse

学习R中的自然语言处理基础技能和工具，如正则表达式、主题建模、命名实体识别等。

词嵌入（word embeddings）

Create Your Free Account