R 文字挖掘基本流程

文字挖掘的基本流程：

需要的工具套件：

1. 内容来源：guternbergr 古腾堡计划，提供很多书籍电子版资料，可以用guternbergr套件以编号直接下载书籍
2. 自己爬取内容：现成的爬虫工具，自己写爬虫
3. 基本文字处理：dplyr、tidytext 包
4. 断词模组：
   1. 中文：jiebar包
   基本断词
   自定义使用者断词词典
   自定义停用词
   2. 英文：Stanford Cote NLP
5. 词性标注模组：
   中文：Stanford Cote NLP
   英文：Stanford Cote NLP

欢迎关注【数据小盐罐儿】一个很“咸”的数据科学公众号，不定期分享有趣好玩的项目以及大量的学习资源。