R语言文本挖掘tf-idf,主题建模，情感分析,n-gram建模研究

数据集中的Usenet公告板包括新汽车，体育和密码学等主题。最近我们被客户要求撰写关于主题建模的研究报告，包括一些图形和统计输出。我们对20个Usenet公告板的20,000条消息进行分析。

相关视频：文本挖掘：主题模型（LDA）及R语言实现分析游记数据

时长12:59

预处理

我们首先阅读20news-bydate文件夹中的所有消息，这些消息组织在子文件夹中，每个消息都有一个文件。

raw_text

## # A tibble: 511,655 x 3
##    newsgroup   id    text                                                              
##    <chr>       <chr> <chr>                                                             
##  1 alt.atheism 49960 From: mathew <mathew@mantis.co.uk>