文本挖掘：情感分析详细步骤（基础+源码）

return(paste)函数将每一行粘贴在一起，最后返回完整的文本内容；

lapply表示逐文本读取。

加入文档名字

读取了每个文档到list之中，怎么跟每个文档名字匹配在一起？

1. docname?<-?list.files(reviewpath,?pattern?=?"*.txt$")??

2. reviewdf?<-?as.data.frame(cbind(docname,?unlist(review)),???

3. ??????????????????????????stringsAsFactors?=?F)???

4. colnames(reviewdf)?<-?c("id",?"msg")???#列名??

代码解读：list.files中，full.names=F代表返回文档名字（默认），full.names=T则定位文档；

利用as.data.frame成为一个数据框，并且不变成因子型，stringsAsFactors是因为文档名字列，很容易变成字符因子型，需要关闭这功能；

colnames修改列名，还有names也可以达到同样的效果。

图 1

`read.csv`函数读取文件时，可能报警：“EOF within quoted string”，一般为数据中不正常的符号所致，常见的方法是将`quote = ""`设置为空，这样做虽然避免了警告，但是仍然解决不了问题，有时数据会对不上号，所以最好从符号上着手将一些特殊符号去除。

本文中导入的数据集是清华大学李军标注的近24000个酒店评论文本和谭松波整理的12000个来自京东、携程、当当网的跨行业评论文本。并给出了每个文本数据的评分。李军老师的数据是众多的txt文件的评论文本+用rlabelclass文件来存放文本标签，可以用read.table来调用。中科院自动化所的中英文新闻语料库?http://www.datatang.com/data/13484
中文新闻分类语料库从凤凰、新浪、网易、腾讯等版面搜集。英语新闻分类语料库为Reuters-21578的ModApte版本。

1. train<-?read.csv("./train.csv",quote?=?"",sep?=?""",?header?=?T,?stringsAsFactors?=?F)??

2. #没有quote，会出现Warning?message:EOF?within?quoted?string??

3. #读入csv格式的时候，出现所有字符变成双引号，需要sep?=?"""，来划分开,字符串分隔符的问题？??

会出现的问题：

（1）EOF?within?quoted?string

解决方法：quote=""；

（2）CSV格式被读入R内存中时，所有字符、变量内容都被加了双引号？

（编辑：安卓应用网_福州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!