文本挖掘：基于R语言的整洁工具

　　全书共9章，主要介绍如何使用基于R的整洁工具来进行文本分析。首先介绍了整洁文本的格式，以及如何获取整洁文本数据集；并通过tidytext中的情感数据集来进行情绪分析；接着介绍了如何根据tf-idf统计量来识别特定文档中的重要单词，以及如何利用n-gram来分析文本中的文字网络；之后介绍了如何将整洁文本转换为文档词项矩阵和Corpus对象格式，并给出了主题建模的概念；后通过整合多种已知的整洁文本挖掘方法，给出了一些研究案例，这些案例涉及Twitter归档文件、NASA数据集以及来自新闻组的即时通信信息。

　　作者：（美）茱莉亚·斯拉格 作者：戴维·罗宾逊 译者：刘波 译者：罗棻 译者：唐亮贵茱莉亚·斯拉格（Julia Silge），Stack Overflow公司的数据科学家，她主要分析复杂数据集，喜欢与各种人交流技术问题。她拥有天体物理学博士学位，喜欢简·奥斯汀的作品，还喜欢绘制漂亮的图表。戴维·罗宾逊（David Robinson），Stack Overflow公司的数据科学家，普林斯顿大学定量与计算生物学博士。他擅长开发开源R软件包，包括broom、gganimate、fuzzyjoin和widyr，还喜欢撰写统计、R和文本挖掘等方面的博客。

前言

第1章 整洁文本格式

比较整洁文本结构与其他数据结构

unnest_tokens函数

整理Jane Austen的作品

gutenbergr包

词频

总结

第2章 基于整洁数据的情感分析

情感数据集

内连接的情感分析

比较三个情感词典

最常见的正面单词和负面单词

Wordclouds模块

除单词外的其他文本单元

总结

第3章 分析词和文件频率：tf-idf

Jane Austen小说中的词项频率

Zipf定律

bind_tf_idf函数

物理学语料库

总结

第4章 词之间的关系：n-gram及相关性

n-gram词条化

用widyr包对单词对计数并计算相关性

总结

第5章 非整洁格式转换

使文档-词项矩阵整洁

将整洁文本数据转换为矩阵

总结

第6章 主题建模

LDA

示例：博大的图书馆馆藏

LDA方法的替代实现

总结

第7章 案例研究：Twitter归档文件比较

单词使用情况的比较

单词使用情况的变化

收藏和转发

总结

第8章 案例研究：NASA元数据挖掘

NASA如何组织数据

共现单词与相关单词

计算描述字段的tf-idf

总结

第9章 案例研究：分析Usenet文本

预处理

新闻组中的单词

情感分析

总结

参考文献