پردازش متن با آموزش R

سرفصل ها و درس ها

مقدمه Introduction

• ظهور تحلیلی متن The emergence of text analytics

1. آشنایی با متن کاوی 1. Introduction to Text Mining

• هدف Purpose

• سند Document

• مجموعه نوشته ها Corpus

• کتابخانه های پردازش متن R text processing libraries

• تنظیم محیط Setting up the environment

2. Corpus در R 2. Corpus in R

• PCorpus و VCorpus PCorpus and VCorpus

• خواندن فایلها با CorpusReader Reading files with CorpusReader

• کشف جسد Exploring the corpus

• تداوم جسد Persisting the corpus

3. پاکسازی و استخراج متن 3. Text Cleansing and Extraction

• تنظیم برای پردازش Setup for processing

• پاک کردن متن Cleansing text

• حذف کلمه را متوقف کنید Stop word removal

• اشتعال Stemming

• مدیریت ابرداده Managing metadata

4. TF-IDF 4. TF-IDF

• آشنایی با tf-idf Introduction to tf-idf

• تولید ماتریس فرکانس مدت Generating term frequency matrix

• بهبود ماتریس فرکانس مدت Improving term frequency matrix

• طرح ریزی فرکانس مدت Plotting term frequency

• تولید tf-idf Generating tf-idf

5. ن-گرام 5. N-Grams

• مفاهیم N-gram N-grams concepts

• با استفاده از RWeka NGramTokenizer Using RWeka NGramTokenizer

• ایجاد یک ماتریس فرکانس متن n-gram Creating an n-gram text frequency matrix

• استخراج جفت n-گرم Extracting n-gram pairs

6. بهترین روشها 6. Best Practices

• ذخیره متن Storing text

• پردازش داده های متنی Processing text data

• مقیاس پذیری Scalability

نتیجه Conclusion

• مراحل بعدی Next steps