Pacchetti per la gestione e l'analisi dei dati testuali.

• Quanteda, pacchetto base;
• textstats, statistiche;
• textplots, grafici;
• textmodels, modelli e classificazioni.

Vantaggi:

• offre strumenti per il text mining, ma anche per l'analisi testuale e linguistica;
• integra spaCy, per la lemmatizzazione e il tagging grammaticale (POS recognition);
• compatibile e progressivamente integrato con tidytext, e quindi con i pacchetti Tidymodels.

Svantaggi:

• richiede una maggiore conoscenza degli strumenti della statistica testuale e del NLP.

Vedi:

• Sito del pacchetto e documentazione
• 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, Importazione dei testi
• corpus: costruzione, funzioni
• segmentazione del corpus
• tokens
• ngrams
• matrice termini-documenti
• summary: tabelle e grafici riassuntivi
• misure di diversità lessicale
• indici di leggibilità
• kwic, keywords in context
• textplot_xray, grafici delle keywords in context
• collocations
• frequenze (topfeatures)
• frequenze (textstat_frequency)
• wordcloud
• convertire i corpora di tm in Quanteda