“词云”这个概念由美国西北大学新闻学副教授、新媒体专业主任里奇·戈登(Rich Gordon)于提出,词云是一种可视化描绘单词或词语出现在文本数据中频率的方式,它主要是由随机分布在词云图的单词或词语构成,出现频率较高的单词或词语则会以较大的形式呈现出来,而频率越低的单词或词语则会以较小的形式呈现。词云主要提供了一种观察社交媒体网站上的热门话题或搜索关键字的一种方式,它可以对网络文本中出现频率较高的“关键词”予以视觉上的突出,形成“关键词云层”或“关键词渲染”,从而过滤掉大量的文本信息,使浏览网页者只要一眼扫过文本就可以领略文本的主旨。。
在R语言的包里面,有一个wordcloud的包,专门用来创建这种类型的图形,它是由加州大学洛杉矶分校的专业统计学家Ian Fellows编写的。
下面用几句简单的R语言即可绘制出一张词云。
library(wordcloud)
library(tm)
library(NLP)
getwd()
sms_corpus_train<-read.csv(file="C:/Users/王亨/Documents/sms_spam.csv",stringsAsFactors=F)
##用于给TermDocumentMatrix"创建适用于"data.frame"目标对象的方法
sms_corpus_train <- Corpus(VectorSource(sms_corpus_train$text))
#print(sms_corpus_train)
wordcloud(sms_corpus_train, min.freq=30, random.order=FALSE)
也可以给这些单词加上颜色,我们只需在wordcloud()函数上加一个参数即可
wordcloud(sms_corpus_train, min.freq=30, random.order=FALSE,colors="blue")
我们也可以让每个单词显示的单词显示的颜色都不同,可以加如下代码,其中colors保存了颜色数据。
colors<-c('red','blue','green','yellow','purple')
wordcloud(sms_corpus_train, min.freq=30,colors=colors, random.order=FALSE)
实验数据来自github,下载链接为https://github.com/hellowangheng/Machine-Learning-with-R-datasets
这仅仅是一个最简单的词云,希望大家持续关注,赶紧把分享给你的小伙伴吧。