Content
11 Lessons • 0 Quizzes • 0 Challenges
在开始之前
- 1
课程介绍
- 2
成功的关键技能
自然语言处理中的重要概念
- 1
理解 Tokens 与 N-Grams
- 2
创建常用术语列表
- 3
去除不必要的项
- 4
减少和聚合项
- 5
中章测验
- 6
确定文档的情感倾向
- 7
理解词性
- 8
使用 tf-idf 搜索匹配的文档
- 9
比较用于自然语言处理的R语言包
- 10
章节末测验
总结
- 1
结论
文本挖掘包
- 1
安装与文档
- 2
使用文件夹作为语料库
附录
- 1
关于示例文件的说明
理解语料库与数据来源
- 1
语料库类与源类型
- 2
使用合适的语料库类
- 3
选择合适的数据源类型
- 4
测验：理解语料库和数据来源
将文本转换为结构化数据
- 1
文档-词项矩阵
- 2
停用词移除
- 3
移除其他不必要的术语
- 4
文本转结构化数据测验
文档洞察与高级搜索技术
- 1
替代方法
- 2
理解分词及其重要性
- 3
使用 N-gram 保留短语
- 4
使用文档-词项矩阵分析文本比较
- 5
通过词干提取细化文本含义
- 6
使用 tm 实现 tf-idf
- 7
使用 tm 进行可视化
- 8
测验：Token、N-Gram、tf-idf 与词干提取
在 tm 包中处理元数据
- 1
理解文本分析中的元数据
- 2
分配元数据
- 3
使用元数据
- 4
测验：在 tm 包中处理元数据
使用 quanteda 包实现自然语言处理
- 1
理解 quanteda
- 2
安装 quanteda
- 3
quanteda 基础知识
- 4
使用 quanteda 实现情感分析
- 5
使用 quanteda 进行文本统计分析
- 6
使用 quanteda 计算 tf-idf
- 7
测验：使用 quanteda 包实现自然语言处理
使用 tidytext 包实现自然语言处理
- 1
理解 tidytext
- 2
tidytext 基础知识
- 3
使用 tidytext 进行词干提取
- 4
使用 tidytext 进行词形还原
- 5
使用 tidytext 计算 tf-idf
- 6
使用 tidytext 识别词性
- 7
tidytext 测验
Certificate of Completion
Showcase your accomplishment by sharing your certificate of completion.
Course Author:Anonymous User