31、机器学习理论与实践：文本分析与在线学习算法

机器学习理论与实践：文本分析与在线学习算法

1. 词云探索

词云是一种简单的探索工具，可用于了解单词使用的总体趋势，有助于建立直觉和洞察。以下是使用 Amazon 食品评论数据集生成词云的代码：

removeNumbers =TRUE,
stopwords =TRUE,
removePunctuation =TRUE,
stemming =TRUE
))
wc_tdm <- rollup(fine_food_data_text_tdm,2,na.rm=TRUE,FUN=sum)
matrix_c <-as.matrix(wc_tdm)
wc_freq <-sort(rowSums(matrix_c))
wc_tmdata <-data.frame(words=names(wc_freq), wc_freq)
wc_tmdata <-na.omit(wc_tmdata)
wordcloud (tail(wc_tmdata$words,100), tail(wc_tmdata$wc_freq,100), random.order=FALSE, colors=brewer.pal(8, "Dark2"))

2. 文本分析：微软认知服务

微软认知服务是微软提供的机器智能服务，以前称为 Project Oxford。它提供基于云的 API，可用于面部识别、语音识别、文本挖掘、视频流分析等高端功能。我们将使用其免费开发者服务展示一些文本分析功能，包括：
- 情感分析：判断推文的情感是积极、消极还是中性。
- 主题检测：确定文档的讨论主题。