Przejdź do głównej treści

Strona główna R

Kurs

Wprowadzenie do analizy tekstu w R

ŚredniozaawansowanyPoziom umiejętności

Zaktualizowano 03.2023

Analizuj dane tekstowe w R, korzystając z frameworku tidy.

Zacznij kurs za darmo

RData Manipulation

4 godz.

15 filmów

46 Ćwiczeń

3,850 XP

27,053

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Od mediów społecznościowych po recenzje produktów – tekst staje się coraz ważniejszym typem danych w wielu dziedzinach, w tym w analityce marketingowej. W wielu przypadkach tekst wypiera inne formy danych nieustrukturyzowanych, ponieważ jest tani i aktualny. Aby jednak w pełni wykorzystać jego potencjał, trzeba wiedzieć, jak go przetwarzać, oczyszczać, podsumowywać i modelować. W tym kursie skorzystasz z nowoczesnych narzędzi tidy, aby szybko i łatwo rozpocząć pracę z tekstem. Nauczysz się porządkować i wizualizować tekst, przeprowadzać analizę sentymentu oraz budować i interpretować modele tematyczne.

Wymagania wstępne

Introduction to the Tidyverse

1

Wrangling Text

Since text is unstructured data, a certain amount of wrangling is required to get it into a form where you can analyze it. In this chapter, you will learn how to add structure to text by tokenizing, cleaning, and treating text as categorical data.

Text as data

Airline tweets data

Grouped summaries

Counting categorical data

Counting user types

Summarizing user types

Tokenizing and cleaning

Tokenizing and counting

Cleaning and counting

Zacznij rozdział

2

Visualizing Text

While counts are nice, visualizations are better. In this chapter, you will learn how to apply what you know from ggplot2 to tidy text data.

Plotting word counts

Visualizing complaints

Visualizing non-complaints

Improving word count plots

Adding custom stop words

Visualizing word counts using factors

Faceting word count plots

Counting by product and reordering

Visualizing word counts with facets

Plotting word clouds

Creating a word cloud

Adding a splash of color

Zacznij rozdział

3

Sentiment Analysis

While word counts and visualizations suggest something about the content, we can do more. In this chapter, we move beyond word counts alone to analyze the sentiment or emotional valence of text.

Sentiment dictionaries

Counting the NRC sentiments

Visualizing the NRC sentiments

Appending dictionaries

Counting sentiment

Visualizing sentiment

Improving sentiment analysis

Practicing reshaping data

Practicing with grouped summaries

Visualizing sentiment by complaint type

Zacznij rozdział

4

Topic Modeling

In this final chapter, we move beyond word counts to uncover the underlying topics in a collection of documents. We will use a standard topic model known as latent Dirichlet allocation.

Latent Dirichlet allocation

Topics as word probabilities

Summarizing topics

Visualizing topics

Document term matrices

Creating a DTM

Evaluating a DTM as a matrix

Running topic models

Fitting an LDA

Tidying LDA output

Comparing LDA output

Interpreting topics

Naming three topics

Naming four topics

Zacznij rozdział

Wprowadzenie do analizy tekstu w R

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Wprowadzenie do analizy tekstu w R już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.