R语言文本挖掘NASA数据网络分析，tf-idf和主题建模

全文链接：http://tecdat.cn/?p=6763

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

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

1 NASA如何组织数据

首先，让我们下载JSON文件，并查看元数据中存储的名称。

我们在这里看到，我们可以从发布每个数据集的人那里获取信息，以获取他们发布的许可证。

相关视频

1.1 整理数据

让我们为标题，描述和关键字设置单独的数据框，保留每个数据集的数据集ID，以便我们可以在后面的分析中将它们连接起来 。

1.2 初步的简单探索

NASA数据集中最常见的单词是什么？

最常见的关键字是什么？

2.1描述和标题词的网络

我们可以使用来计算每对单词在标题或描述字段中出现的次数。

这些是最常出现在descripton字段中的单词对。

我们在这个标题词网络中看到了一些清晰的聚类; 国家航空航天局数据集标题中的单词大部分被组织成几个词汇系列，这些词汇聚类一起。