前言1
D1章 整洁文本格式7
比较整洁文本结构与其他数据结构8
unnest_tokens函数8
整理Jane Austen的作品10
gutenbergr包13
词频13
总结17
D2章 基于整洁数据的情感分析18
情感数据集18
内连接的情感分析21
比较三个情感词典24
Z常见的正面单词和负面单词26
Wordclouds模块 28
除单词外的其他文本单元30
总结32
D3章 分析词和文件频率：tf-idf33
Jane Austen小说中的词项频率34
Zipf定律35
bind_tf_idf函数38
物理学语料库41
总结45
D4章 词之间的关系：n-gram及相关性46
n-gram词条化46
用widyr包对单词对计数并计算相关性60
总结66
D5章 非整洁格式转换67
使文档–词项矩阵整洁67
将整洁文本数据转换为矩阵74
总结84
D6章 主题建模85
LDA 86
示例：博大的图书馆馆藏91
LDA方法的替代实现 101
总结102
D7章 案例研究：Twitter归档文件比较103
单词使用情况的比较107
单词使用情况的变化109
收藏和转发113
总结 117
D8章 案例研究：NASA元数据挖掘118
NASA如何组织数据118
共现单词与相关单词123
计算描述字段的tf-idf129
总结142
D9章 案例研究：分析Usenet文本143
预处理143
新闻组中的单词146
情感分析151
总结159
参考文献160