R语言数据挖掘样例

最新推荐文章于 2021-04-15 23:05:31 发布

应心居士

最新推荐文章于 2021-04-15 23:05:31 发布

阅读量2.9k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_33214822/article/details/79930620

这篇博客介绍了如何使用R语言进行数据挖掘，包括加载推特数据、文本预处理（如转大写、去除标点、数字、超链接和停用词）、词干提取、构建词频矩阵、频繁项识别、词云绘制以及使用k-means和k-medoids算法进行文本聚类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

load("C:/Users/pc/Documents/毕设/data/rdmTweets.Rdata")
library(NLP)
library(SnowballC)
library(RColorBrewer)
library(wordcloud)
library(tm)
library(twitteR)
library(ggplot2)


rdmTweets[11: 15]


#10.2 Transforming Text
#把推文转换成数据框类型
df <- do.call("rbind", lapply(rdmTweets, as.data.frame))
dim(df)
#构建一个语料库，并将源指定为字符向量
dongCorpus <- Corpus(VectorSource(df$text))


#转换成大写字母
dongCorpus <- tm_map(dongCorpus, tolower)
#去掉标点符号
dongCorpus <- tm_map(dongCorpus, removePunctuation)
#移除数字
dongCorpus <- tm_map(dongCorpus, removeNumbers)
#设置超链接的模式
removeURL <- function(x) gsub("http[[:alnum:]]*", "", x)
#移除超链接
dongCorpus <- tm_map(dongCorpus, removeURL)
#使用英文停词表，并加入“avaliable”和“via”
dongStopwords <- c(stopwords('english'), "availale", "via")
#给停词表加入“big”
dongStopwords <- setdiff(dongStopwords, c("big"))
#移除停词表中的单词
don