大数据文摘作品

　　转载请注明来源「大数据文摘」

　　作者 | Karlijn Willems

　　编译团队 | 饶蓁蓁，Mirra，apple黄卓君

　　文本挖掘应用领域无比广泛，可以与电影台本、歌词、聊天记录等产生奇妙的化学反应,电影对白、歌词和聊天记录等文本中往往藏着各种有趣的故事。想要开始文本挖掘，但是使用的教程过于复杂 ？找不到一个合适的数据集？大数据文摘的这篇文章将会引导你学习8个技巧和诀窍，希望能够激励你开始文本挖掘的进程并且保持兴趣。

　　1、对文章产生好奇

　　在数据科学中，几乎做所有事情的第一步都是产生好奇，文本挖掘也不例外。

　　文本挖掘应用领域无比广泛，可以与电影台本、歌词、聊天记录等产生奇妙的化学反应：如南方公园的对话，电影对白的文本挖掘和分析等也都是受到了文本挖掘的启发；近期大数据文摘相关文章《》带各位分析了聊天记录中隐藏的文本信息；而对各类歌词的文本信息分析，也颇有意思。

　　当然，你也可以像StackOverflow的数据科学家David Robinson一样对社交网络上的文本产生兴趣。他在几个星期前他的博客中对于川普的推特数据产生了好奇：“我看到一个假设……仅仅需要对数据进行调查”。

　　每一个不夸张的推文是从苹果手机（他的工作人员）发送的。每一个不夸张的推文是从Android手机（从他本人）手机发送的。pic.twitter.com/gwr6d8h5ed

　　——Todd Vaziri（@ tvaziri 2016年8月6日）

　　也许，如果你对验证假设不是那么感兴趣，那你可能觉得文字图云非常炫酷，并且自己也想尝试创造这种文字图云。

　　2、获得你需要的知识和技能

　　当你产生了好奇，就到了时间来设计你的游戏，并开始展开对文本挖掘知识和技能的学习。你可以轻松地通过完成一些教程和课程来做到这一点。

　　在这些课程中你应该注意的是：他们给你介绍的数据科学工作流程中至少需要有以下一些步骤，如数据准备或预处理、数据探索、数据分析等。

　　数据大本营为那些正在准备开始文本挖掘的人准备了一些材料：近日，泰德Kwartler写了一篇关于谷歌趋势和雅虎股票服务的文本挖掘数据教程。这种易于遵循的R教程，可以让你一边实际操作一边学习文本挖掘，这对于文本挖掘的的初学者来说是一个很好的开始。

　　此外，Ted Kwartler也是数据大本营R课程 “文本挖掘：词袋”的讲师，这门课会向你介绍各种分析方法和数据可视化的内容，让你通过文本挖掘技术对实际生活案例进行操作和研究。

　　另一方面，你也会有一些不仅限于R的其他材料。如果想学习Python，你可以看看以下这些教程和/或课程：用Python进行文本分析，或者你也可以浏览这个介绍Kaggle的教程。

　　你是否对其他的教程资源更感兴趣呢？可以去数据大本营中的了解数据科学 - Python＆R的教程！

　　—— 阅读更多：#gs.W_xHH_I

　　3，词，词，词 - 寻找你的数据

　　一旦你勾勒出了你需要分析和可视化数据数据的基本概念，就是时候去寻找数据了！

　　请相信我们当我们告诉你，有很多方法可以让你得到你想要的数据。除了提到过的谷歌趋势和雅虎，你也可以从以下方式访问数据：

推特！ R和Python的提供包或库，将允许你连接到Twitter的API和检索推文。你将在下一节了解更多关于这部分的内容。

互联网档案馆，是一个非营利性的图书馆。囊括了数以百万计的免费图书、电影、软件、音乐、网站等。

Gutenberg计划提供超过55,000本免费电子书。这些电子书大多数都跟文学有关，因此如果你想要分析莎士比亚，简·奥斯汀，爱伦坡的作品，这将是一个很好的来源。

对于学术方法类的文本挖掘，你可以使用JSTOR的数据研究。这是一个免费的自助服务工具，让计算机科学家、数字人文主义者和其他研究人员选择和JSTOR的内容进行互动。

(责任编辑：本港台直播)