R中的多类分类

Question

我有一个特定帐户的推文，我想浏览每一条推文，并将其归类为商业、音乐、体育等类别的标签。

我创建培训数据的方法是为每个类标签分配几个关键字，例如

1. “商业”的关键词可以是企业家，工作，GDP…。
2. “音乐”的关键词可以是-歌曲，流派，专辑…

用于训练数据的.CSV文件有2列1.关键字2类

走这条路对吗？

提前谢谢你！

Answer 1

看起来你想要做的事情就像字典方法一样。将字典应用于文本语料库是非常简单的，但考虑到您使用的是tweet，我建议您使用肯尼思·本尼茨优秀的全德达包。

更具体地说，您可以从一个术语列表创建一个自定义字典(我相信这是一个s3类)。

https://cran.r-project.org/web/packages/quanteda/quanteda.pdf

然后使用applyDictionary应用字典。您将得到一个包含文本和字典键的漂亮表，如下所示：

docs    christmas opposition taxglob taxregex country
  text1         1          1       1        0       0
  text2         0          0       1        0       2