R语言文本挖掘：kmeans聚类分析上海玛雅水公园景区五一假期评论词云可视化

2023-05-19 00:53| 来源: 网络整理| 查看: 265

全文链接：http://tecdat.cn/?p=32307

互联网时代，大量的新闻信息、网络交互、舆情信息以文本形式存储在数据库中，如何利用数据分析和文本挖掘的算法，将海量文本的价值挖掘出来，成为我们团队近期的一个研究方向，本案例就是我们的一个尝试（点击文末“阅读原文”获取完整代码数据）。

相关视频

文本聚类其实也就是聚类分析在文本方向上的应用,首先我们要把一个个文档的自然语言转换成数学信息，这样形成高维空间点之后再去计算点与点之间的距离,然后将这些距离比较近的聚成一个簇，这些簇的中心成为簇心。而我们做的就是保证簇内点的距离足够近,簇与簇的距离足够远。

本文将通过R语言帮助客户来实现文本挖掘、聚类和词云可视化技术，体验一下舆情分析的魅力。

原始评论数据

本文获取上海玛雅水公园景区评论数据共计1692条数据：

读取数据 pinglun=read.xlsx("玛雅景区数据5.8.xlsx") 文本预处理 res=pinglun1[pinglun1!=" "]; #剔除通用标题 # res=gsub(pattern="[專賣店【未拆封順豐】||]+"," ",res); #剔除特殊词 res=gsub(pattern="[我|你|的|了|是]"," ",res); #清理文本里的回车！否则每个回车就会被识别成一段文本 res=gsub("\n","",res) 分词+频数统计 words=unlist(lapply(X=res, FUN=segmentCN)); 过滤掉1个字和词频小于100的记录 d=subset(d, nchar(as.character(d$word))>1 & d$freq>=100) 输出关键词结果 write.table(d, file="/worldcup_keyword.txt", row.names=FALSE) 绘制词汇图 wordcloud(d$word,d$freq,random.order=FALS

点击标题查阅往期内容

自然语言处理NLP：主题LDA、情感分析疫情下的新闻文本数据

左右滑动查看更多

kmeans聚类部分

转换成评价矩阵

rating=matrix(0,length(res1),dim(d)[1])#生成评价矩阵 for(i in 1:length(res1)){ words=unlist(lapply(X=res1[i], FUN=segmentCN));#对每一条记录分析获得词频 #输出评价矩阵############################### write.table(rating, file="评价矩阵.txt", row.names=FALSE) 对评价矩阵进行k均值聚类 kmeans(rating,5)#对评价矩阵进行k均值聚类词云可视化 #第一个类别################################ mycolors

【本文地址】

公司简介

联系我们