用R进行网站评论文本挖掘聚类

原文：http://tecdat.cn/?p=3994

对于非结构化的网站中文评论信息，r的中文词频包多是用来挖掘其潜在信息的好工具，要分析文本内容，最多见的分析方法是提取文本中的词语，并统计频率。频率能反映词语在文本中的重要性，通常越重要的词语，在文本中出现的次数就会越多。词语提取后，还能够作成词云，让词语的频率属性可视化，更加直观清晰。 

      好比对于以下的网站评论信息：

​
经过一系列的文本处理和高频词汇的提取，最后结合聚类，咱们能够获得以下的可视化结果。

第一类客户：

​

第二类
​

第三类
​

这是根据某网站成交评论制做的可视化词云，词频的统计，分词和词云的制做都是用R，最后作了聚类，将不一样的用户聚成了3个类别。这个图能很直观看到，每一个类别的客户的特色。不过这张图中的词语还须要进行优化，由于有些术语或词组可能被拆分红了更小的词语，没有展现出来，为了演示，我就没再花更多时间去优化词库，主要介绍分析的过程与方法。