RQDA和文挖掘框架包tm结合进行文本挖掘

[/img]

[attachment=206556,417]

经过因子分析后重新分类：

经过因子分析后重新分类：

[/img]

[attachment=206600,420] [attachment=206600,421]

这么有趣的东西竟然沉底了[s:12]

是啊，顶起来[s:19]

现在中文分词软件已经直接放到RQDAtm程序包中(https://r-forge.r-project.org/R/?group_id=137)，不需要另外安装。

回复第11楼的 cloud_wei：这个帖子一出来我就给加了标签。不过对这方面了解的人似乎不多，慢慢就沉了[s:11]

分类标签多了机器慢啊

不错，结合RCurl和XML包就更方便了，用文件管理网络上的文本似乎走了弯路。反正要用中科院那个分词的包，如果能在lucene上直接做全文检索甚至爬虫就更好了

回复第16楼的 leejian：

"用文件管理网络上的文本似乎走了弯路"

这是指？

回复第17楼的 sociology：

如果是分析网络上的文本，可以直接读成DOM树，提纯分析什么的都很方便，中间或者最终结果存入DB可能更好管理。不过如果来源本来就是文本文件就没什么问题。

我看了作者在人大经济论坛上分享的挖掘程序贴，竟然要50个论坛币是不是多了点……能不能分享给广大劳苦民众呢？[s:18]

最近在试这个，发现RQDA包里好像没有文本相关的函数，是因为都在RQDAtm或RQDA2tm里吗？windows版本的这两个包貌似还没推出。想问下tm中是只有英文的文本处理功能的，RQDAtm的中文分词功能是源自哪里？

回复第20楼的 linkinbird：RQDAtm程序包。

在这里：https://r-forge.r-project.org/R/?group_id=137

果然用R挺简洁的

回复第21楼的 sociology：哇喔非常感谢我一直以为没有这个包呢！现在终于可以做中文的啦[s:13]

此贴非常好！但是这不就是计算频数的嘛？？

顶起来！

楼主，能把源代码发给我下吗，我琢磨了好久，hwssg@126.com 万分感谢