Pagsusuri ng Teksto sa R: Pagbuo at Pagsusuri ng mga Document-Term Matrices

Ang datos ng teksto ay nasa lahat ng dako, ngunit ang pagkuha ng mga makabuluhang pananaw ay nangangailangan ng pagbabago ng mga hindi nakabalangkas na salita sa nakabalangkas at masusukat na datos. Ang kursong ito na nakabatay sa teksto ay gumagabay sa iyo sa mga pangunahing konsepto ng text mining, na nakatuon sa Document-Term Matrix (DTM) bilang pangunahing makina para sa damiang pagsusuri ng teksto sa R. Magsisimula ka sa pangunahing terminolohiya, matututunan kung paano linisin ang hilaw na teksto, at susulong sa pagbuo at pagsusuri ng iyong sariling mga dataset. Sa pamamagitan ng pagkumpleto sa kursong ito, magagawa mong may kumpiyansa na mag-import ng teksto, i-pre-process ito upang alisin ang ingay, bumuo ng mga term matrix, at mag-apply ng mga istatistikal na teknik upang tuklasin ang mga kalakaran at asosasyon sa loob ng iyong mga dokumento. Ang iyong matututunan: - Unawain ang mga pangunahing konsepto ng paglikha ng corpus at pag-pre-process ng teksto sa R - Linisin ang hilaw na teksto sa pamamagitan ng pag-alis ng mga stop word, bantas, numero, at paglalapat ng stemming - Bumuo at magmanipula ng mga Document-Term Matrix gamit ang sikat na tm package - Suriin ang dalas ng termino at maghanap ng mga asosasyon sa pagitan ng mga salita gamit ang mga naka-built-in na function ng R - Ipatupad ang mga modernong prinsipyo ng tidy text upang i-convert ang mga matrix sa mga data frame para sa advanced na visualization - Mag-apply ng pangunahing pagsusuri ng sentimento at mga teknik sa pag-timbang ng termino tulad ng TF-IDF upang lumitaw ang mga mahahalagang konsepto Nagsisimula ang kurso sa mga mahahalagang kahulugan at daloy ng trabaho ng pag-pre-process bago lumipat sa hands-on na pagbuo ng matrix at matematikal na pagtimbang ng termino. Magbabasa ka ng mga malinaw na paliwanag, mag-aaral ng mga naka-istrukturang halimbawa ng code, at mag-e-ehersisyo sa pagpapakahulugan ng mga totoong output ng pagsusuri ng teksto. Ang kursong ito ay idinisenyo para sa mga baguhan, data analyst, at mananaliksik na bago sa text mining sa R. Walang kinakailangang nakaraang karanasan sa natural language processing, bagaman ang pangunahing pamilyaridad sa syntax ng R ay kapaki-pakinabang. Simulan ang iyong paglalakbay sa text analytics ngayon.