R语言做文本挖掘 Part2分词处理

1. removeStopWords?<-?function(x,stopwords)?{??
2. temp?<-?character(0)??
3. index?<-?1??
4. xLen?<-?length(x)??
5. while?(index?<=?xLen)?{??
6. if?(length(stopwords[stopwords==x[index]])?<1)??
7. temp<-?c(temp,x[index])??
8. index?<-?index?+1??
9. }??
10. temp??
11. }??

removeStopWords <- function(x,stopwords) {
temp <- character(0)
index <- 1
xLen <- length(x)
while (index <= xLen) {
if (length(stopwords[stopwords==x[index]]) <1)
temp<- c(temp,x[index])
index <- index +1
}
temp
}

1. hlzjTemp2?<-lapply(hlzjTemp,removeStopWords,stopwords)??
2. hlzjTemp2[1:2]??

hlzjTemp2 <-lapply(hlzjTemp,stopwords)
hlzjTemp2[1:2]

跟hlzjTemp[1:2]的内容比较可以明显发现“的”这样的字都被去掉了。

?

4.?????? 词云

词云是现在很常见的一种分析图，把这些词语放在一张图中，频次来显示词语的大小，这样就能很直观看出那些词语出现得比较多，在舆情分析中经常被用到。

下面的过程是将分词结果做一个统计，计算出每个词出现的次数并排序，然后取排名在前150的150个词语，用wordcloud()方法来画词云。

（编辑：威海站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!