数据分享|R语言SVM支持向量机、文本挖掘新闻语料情感情绪分类和词云可视化

拓端数据部落 2023-03-30

201

全文链接：http://tecdat.cn/?p=32032

支持向量机（SVM）是一种机器学习方法，基于结构风险最小化原则，即通过少量样本数据，得到尽可能多的样本数据（点击文末“阅读原文”获取完整代码数据）。

相关视频

支持向量机对线性问题进行处理，能解决非线性分类问题。本文介绍了R语言中的 SVM工具箱及其支持向量机（SVM）方法，并将其应用于文本情感分析领域，结果表明，该方法是有效的。在此基础上，对文本挖掘新闻语料进行情感分类和词云可视化，从视觉上对文本进行情感分析。

语料是从yahoo Qimo上爬的新闻语料，一共49000篇（查看文末了解数据免费获取方式），每篇包含题目、新闻内容、评论、读者投票结果（投票选择依次为：实用，感人、开心、超扯、无聊、害怕、难过、火大）以及总投票个数。

数据概览

以第一个预料为例

对其分词提取关键词

library(jiebaR)
cutter = worker(type = "keywords", topn = 10)  
words = "1.txt"

查看工作目录下所有的文件

dir = list.files(".")

获取分类号

xx<-readLines(dir[i],encoding = "UTF-8")

## Warning in readLines(dir[i], encoding = "UTF-8"): 读'1.txt'时最后一行未遂

# xx<-readLines("2.txt",encoding = "UTF-8")  
  
class=strsplit(xx[length(xx)-1],split="#")[[1]][3]

词性分类

for(i in 1:10){
  cutter = worker(type = "keywords", topn = 10)

绘制词汇图

mycolors <- brewer.pal(8,"Dark2")#设置一个颜色系：

wordcloud(cutter_words,as.numeriter_words)),random.order=FAL

点击标题查阅往期内容

R语言对TWITTER推特数据进行文本挖掘

左右滑动查看更多

准备训练集和测试集

ntrain <- round(n*0.8) # 训练集  
tindex <- sample(n,ntrain) # 筛选测试集样本  
xtrain<-textdata[tindex,]  
xtest<-textdata[-tindex,]

#可视化  
plot(textdata[,c("classlist","X1")] ,pch=ifelse(istrain==1,1,2))