文本数据挖掘——基于R语言电子书

前折页

书名页

版权

前言

第1章 走进文本数据挖掘

1.1 什么是文本数据挖掘

1.2 为什么要做文本数据挖掘

1.3 如何进行文本数据挖掘

1.3.1 文本数据挖掘的流程

1.3.2 文本数据挖掘的基本任务及方法

1.4 文本数据挖掘软件工具概览

第2章 文本数据挖掘利器——R语言

2.1 开发环境配置

2.1.1 下载并安装R软件

2.1.2 包的管理

2.1.3 版本升级

2.1.4 集成开发环境

2.2 R的基本数据类型

2.2.1 数值型

2.2.2 逻辑型

2.2.3 字符型

2.2.4 因子型

2.3 R的常用数据结构

2.3.1 向量

2.3.2 矩阵

2.3.3 列表

2.3.4 数据框

2.4 R的基础编程知识

2.4.1 赋值

2.4.2 函数

2.4.3 强制类型转换

2.4.4 条件判断

2.4.5 循环操作

2.5 数据操作入门

2.5.1 文件读写

2.5.2 数据框的检视

2.5.3 单表操作

2.5.4 多表操作

2.5.5 缺失值处理

2.5.6 长宽数据转换

第3章 从基础做起1——字符串的基本处理

3.1 字符串的构造

3.2 字符串的辨识、计数与定位

3.3 字符串的提取

3.4 字符串的定制化输出

3.5 字符串的替换与删除

3.6 字符串的拼接与拆分

3.7 字符串的排序

第4章 从基础做起2——用好正则表达式

4.1 通配符解析

4.1.1 点运算符（“.”）

4.1.2 字符集（“[]”）

4.1.3 否定字符集（“[^]”）

4.1.4 出现0次或更多（“*”）

4.1.5 出现1次或更多（“+”）

4.1.6 出现0次或1次（“?”）

4.1.7 出现次数范围限制（“{}”）

4.1.8 特征标群（“（…）”）

4.1.9 或运算符（“|”）

4.1.10 转义字符（“\\”）

4.1.11 匹配开头部分（“^”）

4.1.12 匹配结尾部分（“$”）

4.2 反向引用

4.3 简写字符集

4.4 贪婪匹配与惰性匹配

4.5 零宽断言

4.5.1 正先行断言（“?=…”）

4.5.2 负先行断言（“?!…”）

4.5.3 正后发断言（“?<=…”）

4.5.4 负后发断言（“?<!…”）

4.5.5 提取括号中的内容

第5章 步入正题——导入各类文本数据

5.1 readtext包简介

5.2 不同格式文本文件的导入

5.2.1 读取txt文件

5.2.2 读取csv/tsv文件

5.2.3 读取json文件

5.2.4 读取pdf文件

5.2.5 读取Word文件

5.2.6 读取html文件

5.2.7 读取压缩包

5.3 读入不同编码格式的文档

5.4 文件数据结构的转化

第6章 更进一步——对各类文本数据进行预处理

6.1 拼写纠错

6.2 文本切分

6.2.1 段落切分

6.2.2 句子切分

6.2.3 词语切分

6.2.4 n元切分

6.2.5 字符切分

6.3 去除标点

6.4 去除停用词

6.5 扩展缩写

6.6 词干提取

6.7 词形还原与词性标注

6.8 批量文档预处理

第7章 上手文本数据挖掘——文本特征提取的4种方法

7.1 基本特征提取

7.2 基于TF-IDF的特征提取

7.3 词嵌入

7.3.1 基于BOW

7.3.2 基于word2vec

7.3.3 基于GloVe

7.3.4 基于fastText

7.4 文档向量化：doc2vec

第8章 文本分类——基于机器学习的方法

8.1 无监督分类

8.1.1 基于文本相似度的聚类

8.1.2 基于网络集群识别的自动化聚类

8.1.3 基于主题模型的分类

8.2 有监督分类

8.2.1 二分类

8.2.2 多分类

第9章 深入理解文本内涵——文本情感分析

9.1 英文情感分析

9.1.1 RSentiment

9.1.2 sentimentr

9.1.3 SentimentAnalysis

9.1.4 meanr

9.1.5 sentometrics

9.2 中文情感分析

9.2.1 环境与数据准备

9.2.2 情感词典准备

9.2.3 中文分词

9.2.4 分值计算

9.2.5 小结

第10章 文本数据的直观表达——文本可视化

10.1 条形图

10.2 克利夫兰点图

10.3 矩形树状图

10.4 词云

10.5 词汇位置分布图

10.6 网络图

10.7 双文档对比可视化

第11章 举一反三——文本数据挖掘项目实践

11.1 情感分析案例：量化中文新闻报道中的情感走势

11.2 文本分类案例：基于词袋模型对英文期刊摘要来源进行分类

11.3 关键词提取案例：根据CRAN的介绍文本提取R包关键字

后折页