|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/text-mining-e-sentiment-analysis-con-r/
课程评论：没有评论
课程名称：使用R进行文本挖掘和情感分析指南 概述：本课程专为首次接触文本挖掘和情感分析的学习者而设计，前提是具备一定的R编程和数据分析基础。课程并非一般的理论性介绍，而是深入讲解如何利用R语言进行文本分析的基础知识。若您尚未掌握R编程，本课程可能不适合您，但您可以先学习我的基础课程。 课程内容涵盖了文本挖掘和情感分析的基本技术，通过具体的实例和案例帮助您轻松理解如何使用R进行这些分析。R作为一种广泛用于数据分析的编程语言，拥有众多配套包和函数，能够支持描述性文本挖掘和预测性文本挖掘。描述性文本挖掘旨在从文本中提取信息，而预测性文本挖掘则根据文本特征进行预测，例如判断邮件是否为垃圾邮件或文本的情感倾向。 在课程开始时，您将了解文本挖掘和情感分析的重要性、应用场景及分析的语言（包括意大利语）。课程讲解如何将文本转化为计算机可处理的格式，包括文本的提取、预处理、标准化和表示。您将学会如何在R中导入文档或语料库，并进行分析，生成图形表示。 课程中将介绍许多用于文本挖掘的基础包，重点是tm包。在初步理解后，您将学习将机器学习技术应用于文本挖掘，从而实现文本的预测分析。课程还将教您如何提取和分析Twitter上的推文。此外，还会介绍其他用于文本处理和情感分析的包。 最后，课程将讲解如何使用多种机器学习方法自动预测文本的情感倾向，分为监督学习和非监督学习两个部分。课程结尾将涉及文本的图形表示以及一些关于CAQDAS的定性分析方法的简单介绍。 **注意：目前课程尚未包含练习部分，未来将增加，并在附加部分中详细说明。**
Questo corso è dedicato a chi si avvicina al mondo del text mining e della sentiment analysis per la prima volta, pur avendo delle basi di programmazione e analisi dati con R. Non si tratta di un corso divulgativo generico sul text mining e sulla sentiment analysis, ma di un corso che vuole spiegare le basi dell'analisi dei testi tramite il linguaggio di programmazione R. Se non sai ancora programmare con R, purtroppo questo corso non è quello giusto per te, ma puoi dare un'occhiata al mio corso base. Se invece stai cercando esempi e casi per capire in maniera semplice le tecniche base per effettuare un'analisi di text mining o scoprire il sentiment dei tuoi testi con R, sei nel posto giusto. R è uno dei linguaggi di programmazione più diffusi quando si parla di analisi dati, e comprende una serie di pacchetti e funzioni che possono aiutarci sia nel text mining descrittivo che nel text mining predittivo. Il text mining descrittivo "descrive" un testo a partire dalle parole che lo compongono, mentre il text mining predittivo utilizza le caratteristiche di un gruppo di testi per effettuare delle predizioni, ad esempio se un'email è spam o no, oppure se un testo è stato scritto o meno da un autore, oppure, per tornare alla sentiment analysis, se un commento è positivo o negativo. Per prima cosa partiamo capendo come mai il text mining e la sentiment analysis sono tanto importante, e quali sono gli usi che se ne fanno, e le lingue più analizzate (spoiler: c'è anche l'italiano). Analizzare un testo non è come analizzare un dataset: il testo va prima trasformato in qualcosa che il computer possa capire: imparerai quindi le tecniche più importanti per sintetizzare un testo, preprocessarlo, normalizzarlo e rappresentarlo. Imparerai poi a importare un documento o un corpus in R, preprocessarlo e analizzarlo, creando anche delle rappresentazioni grafiche. Oltre al pacchetto base ci sono molti pacchetti per il text mining: il più importante per le analisi di base è di sicuro tm. Una volta chiarite queste parti introduttive, ci dedichiamo alle tecniche di machine learning applicate al text mining, che ci permettono a partire da un corpus o da un testo, di effettuare delle predizioni. Uno degli strumenti per l'analisi più interessante è Twitter: in questo corso imparerai a estrarre dei tweet e ad analizzarli. Oltre ai pacchetti per il trattamento testi, come tm, e per l'estrazione dati, esistono ancora moltissimi pacchetti per il text mining che imparerai a utilizzare con questo corso, non solo per il text mining ma anche per la sentiment analysis. Vedremo quindi, dato un testo, come predire in maniera automatica tramite varie tecniche di machine learning, se il testo è positivo o negativo, tramite metodi supervisionati e non supervisionati. Il corso si chiude con una parte sulla rappresentazione grafica dei testi e alcuni cenni sui metodi di analisi qualitativa CAQDAS. ***Attenzione, questo corso al momento non comprende una parte relativa agli esercizi, che sarà aggiunta a breve con modalità che saranno chiarite nella Bonus Section
