tidytext

Pacchetto per il text mining con R, usando i pacchetti del tidyverse, e dunque dataframe tibble, anziché corpora (per molte analisi successive, dovranno comunque essere costruite le matrici testuali).

Vantaggi:

• l'organizzazione dei dati in questo formato rende molto semplici le operazioni di gestione e trasformazione della base dati, specialmente con i pacchetti del tidyverse;
• risulta essere l'opzione più semplice per il text mining, anche grazie ai pacchetti Tidymodels ;
• compatibile e progressivamente integrato con Quanteda

Svantaggi:

• non adatto all'analisi testuale e linguistica.

Vedi:

• aiuto sul pacchetto,
• Text Mining with R! (J. Silge e D. Robinson)
• Strumenti per l’analisi testuale e il text mining con R (A. Vardanega, in progress, testo liberamente accessibile da web)

All'interno del testo citato sopra, ho - per il momento - dedicato spazio ai seguenti argomenti:

• workflow: sintesi dei principali step operativi.
• importazione dei testi; vedi anche, qui, la voce Importazione dei testi
• segmentazione dei documenti
• tokenizzazione
• ngrams
• statistiche riassuntive del corpus con dplyr
• frequenze con dplyr
• conversione di corpora in dataframe con la funzione tidy