提纲挈领的说明， 就是把一波文字取出来，找出重要的词，剔除干扰的词。
参考( 【干货】–手把手教你完成文本情感分类
) R中主要是jiabaR包。 终于开始学这个包，有点小惊喜。
## Error in `library()`:
## ! there is no package called 'jiebaR'# 台词
sentence <-
'滚出去！我没有时间听一个牢里混出来的人渣，在这里跟我讲该怎么样不该怎么样！你以为西装往身上一套，我就看不到你骨子里的寒酸，剪剪头、吹吹风，就能掩藏住心里的猥琐？你差得还远，你这种人我见得多了，但还没有见到过敢对我指手画脚的。消失，快从我面前消失！'
# 设置动力和引擎
engine <- worker()## Error in `worker()`:
## ! could not find function "worker"## Error:
## ! object 'engine' not foundworker()为分词提供动力和引擎
Default Method : mix使用混合法分词。
□什么是混合法？ 最大概率法和隐马尔科夫方法。 什么是最大概率法和隐马尔科夫方法？
Default Encoding: UTF-8 中文编码为UTF-8；
Max Word Length : 20 分词最大长度为20个词；
Max Read Lines : 1e+05 一次性可以读取最大10W行记录。
## Error in `segment()`:
## ! could not find function "segment"## Error:
## ! object 'cuts' not found"剪剪" "头" "吹" "吹风" 是分错的。
因此需要自定义，也就是常说的体力活。
## Error in `new_user_word()`:
## ! could not find function "new_user_word"## Error in `segment()`:
## ! could not find function "segment"## Error:
## ! object 'cuts2' not found"剪剪" "头" "吹" "吹风" 就没有了。
剔除你我他。
# 停止词的处理--方法二
cuts3 <- filter_segment(cuts2, filter_words = c('我','的','听','在','你','就','能','还','对',
'人','从','但','讲','跟','这种','一个','身上'))## Error in `filter_segment()`:
## ! could not find function "filter_segment"## Error:
## ! object 'cuts3' not found主要使用filter_words中的filter_words参数。
比较好的方式就是把cuts2，选的字符串，长度为1的，肉眼看。
这里使用到stringr包的函数str_length。
RStudio出了cheatsheet，大家可以找找看。
## Error in `library()`:
## ! there is no package called 'tidyverse'cuts3_table <-
cuts3 %>% as_data_frame() %>%
group_by(value) %>%
count() %>%
set_names('word','freq')## Error in `cuts3 %>% as_data_frame() %>% group_by(value) %>% count() %>% set_names("word",
## "freq")`:
## ! could not find function "%>%"这里有22个，一般那种介词，代词都可以T了。
后面都是监督学习搞预测的了，不是文本清洗的重点了。
## Error in `library()`:
## ! there is no package called 'wordcloud2'## Error in `wordcloud2()`:
## ! could not find function "wordcloud2"