Text Mining with R

Описание книги	Книга даёт завершённую картину современных аналитических подходов к тексту, систематизируя инструменты R и методику работы с данными на всех этапах анализа.
Область знаний	Лингвистика
Год издания	2017
Веб-сайт где можно прочитать книгу или статью	https://www.tidytextmining.com/
Видео запись
Авторы
Среды и средства, на которые повлияла книга	R, Tidytext

Краткий перечень основных концепций, освещённых в книге по анализу текста в R на основе подхода tidytext:

1. Tidy формат текстовых данных: организация текста так, чтобы каждому токену (слову, n-грамме, предложению) соответствовала отдельная строка таблицы; это облегчает обработку текстов с помощью стандартных инструментов R.
2. Токенизация и препроцессинг: автоматическое деление текста на отдельные слова или другие смысловые единицы с помощью специальных функций, таких как `unnest_tokens()`.
3. Работа с корпусами: использование готовых литературных коллекций и публичных текстовых ресурсов (например, Project Gutenberg), подготовка данных для анализа.
4. Анализ тональности (sentiment analysis): определение эмоциональной окраски текста через сопоставление токенов с элементами словарей тональности.
5. TF-IDF: вычисление статистики значимости термина (слова) для отдельного документа в составе корпуса, что позволяет выявлять ключевые слова.
6. Анализ n-грамм и сетей слов: изучение устойчивых сочетаний слов, построение графов связей и парных встречаемостей для выявления структуры текста.
7. Преобразование форматов данных: перевод между tidy-форматом, матрицами «терм-документ» и объектами corpus для совместимости с различными пакетами R (tm, quanteda).
8. Тематическое моделирование: автоматическое выделение и визуализация тематических структур в тексте (например, с помощью topicmodels), интерпретация результатов с помощью удобных tidy-инструментов.