R语言单个文本挖掘实例

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以总理2015报告原文进行挖掘处理，进行简单的词云分析，完整代码，可运行。
一、准备工作

先将报告内容保存为TXT格式文本，停止词表可到网上搜索下载。
需要的包：rJava，Rwordseg，wordcloud。
library(rJava)
library(Rwordseg)
library(wordcloud)

二、实验步骤：
1、读入文本数据
mydata<-read.csv("D:/test/R/report2015.txt", stringsAsFactors=FALSE,header=FALSE)
2、中文分词
txt<-segmentCN(as.character(mydata$V1))
3、将列表转换为向量
txt.aslist<-unlist(txt)
4、词语统计
txt.freq<-table(txt.aslist)
5、频数排序
txt.result<-txt.freq[order(-txt.freq)]
6、画词云
wordcloud(names(txt.result),txt.result,random.order=FALSE)
7、取前100位画词云
wordcloud(names(text.result)[1:100],text.result[1:100],random.order=FALSE)

如果要去除停止词，可使用下面的步骤：

8、使用去停止词
（1）导入停止词表
stopword<-read.csv('D:/test/R/stop-word.txt',stringsAsFactors=FALSE,header=FALSE)
（2）将data.frame类型数据转换为向量型数据
stopword.v<-as.vector(stopword$V1)
（3）去除词语统计中的停止词
word.pure<-setdiff(names(txt.result),stopword.v)
word.pure为去除停止词的统计分析对象词表。

（4）取出非停止词
txt.pure<-txt.result[word.pure]

（5）画词云
wordcloud(names(txt.pure)[1:100],txt.pure[1:100],random.order=FALSE)




可以看出发展是核心，经济、改革、建设是重点。

欢迎各位指点。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏13 回帖

关键词：文本挖掘 R语言 Library BRARY rjava names 乒乓 统计

顶帖

学习了，感谢！

不错

感谢楼主分享！
测试结果如下：
1.64位win8需要先安装64位Java, R使用3.2.3版本
2.手动安装Rwordseg包并增加RColorBrewer包
3.停止用词表找得不好，和，的这类词都没有剔除

原样学习了一次，有些许小误，我会更正。

您好，我试了一下，其他都可以，但是我用RStudio导入ZF工作报告没有问题，导入停止词时一直是乱码，是什么原因呢？非常感谢

专门来顶贴！

r的词云不怎么好看，我一般都是做出词频后用线上工具tagxedo做词云 可以自定义形状 很赞的