R語言和文字探勘 - 洞悉巨量文字的商業價值

R的文本探勘 (text mining)大多是基於純文字檔案進行，而我將文本探勘處理的資料輸入、輸出儲存整合到PostgreSQL資料庫，讓R的文本探勘能夠更容易跟其他系統整合。

R 語言文字探勘課程，課程將從文字資料的特殊性開始介紹，教你如何利用 R 語言的各項套件清理、轉換、斷詞與視覺化文字資料。

這個系列的文章以文字探勘為主題，會介紹文字探勘的原理、在文字探勘過程中要注意的事情，並以R語言為背景，帶大家實作，而且會有很貼近生活的案例。

開發者們打造許多套件，替人們處理文字探勘。 有些針對特定任務，例如在主題模型章節中我會介紹stm、LDA，在詞向量章節中則以gensim、word2vec為範例；也有些套件能夠貫穿整個文字探勘流程，例如這篇文章將要介紹的tidytext和quanteda。

前面文章「總統演說」的範例中，能看到R語言中常見的文字資料格式，要不是儲存在dataframe中，每筆資料都是文章、段落、句子，或者是用list將文章存在每一個元素中。 不過，在R語言中處理文字資料會遇到很多路障，這篇文章就是要帶你克服。

而R語言是一款非常適合資料分析的工具,有一系列文字探勘的套件可供使用,本文將簡單介紹中文文字探勘套件的使用方法。

本書針對中文透過R語言操作基礎的文字探勘，從人文社會科學領域闡述編程的概念，可使自學者更容易掌握文字探勘的技能。