文本数据挖掘：基于R语言

文本是一种特殊的非结构化数据，在当今的大数据时代，其价值日趋凸显。本书利用开源而强大的R软件，对文本数据挖掘的概念、技术及技巧进行了系统的介绍。本书共11章，内容包括：走进文本数据挖掘，R语言快速入门，字符串的基本处理，用好正则表达式，导入各类文本数据，对各类文本数据进行预处理，文本特征提取的4种方法，基于机器学习的文本分类方法，文本情感分析，文本可视化，文本数据挖掘项目实践。本书还提供了丰富的应用案例和程序源代码引导读者高效学习。本书适合对文本数据挖掘感兴趣的学生、科研人员和数据科学从业者阅读。同时，本书还可以作为工具书，为需要经常进行文本数据挖掘的读者提供快速检索。

这是一本系统介绍文本数据挖掘的基本概念、技术和技巧的书籍。书中首先介绍了文本数据挖掘的基本概念，包括其定义、重要性、方法以及应用。接着，书中详细介绍了R语言，一种适用于各行业不同背景的从业者的开源软件，并讲解了R软件的安装与配置。 在文本数据挖掘的过程中，字符串处理是非常重要的一个环节。书中讲解了如何使用stringr包处理字符串，包括字符串的构造、辨识、计数与定位，以及字符串的提取、替换与删除等操作。此外，书中还介绍了正则表达式的概念和作用，以及如何使用正则表达式进行文本处理。 在文本数据挖掘中，特征提取是非常关键的一步。书中讲解了基本特征提取的概念与工具，以及如何使用TF-IDF方法进行文本特征提取。此外，书中还介绍了文本分类的概念与分类方法，包括有监督分类和无监督分类，以及有监督文本分类算法原理与应用。 除了上述内容，书中还详细介绍了文本情感分析的定义和目的，以及英文情感分析的方法与工具。此外，书中还讲解了文本可视化的概念和重要性，包括词云的基本概念和绘制方法，以及停用词去除的方法与过程。