ストックツイート、テキストマイニング、絵文字Erros

Question

私はあなたがテキストマイニングの練習を手伝うことができればと思っていました。私は「AAPL」のつぶやきに興味があり、APIから500個のつぶやきを引き出すことができました。私は自分自身でいくつかのハードルをクリアすることができましたが、最後の部分に助けが必要です。何らかの理由で、tmパッケージがストップワードを削除していません。あなたは見てみて、問題が何であるか見てみることができますか？顔文字は問題を引き起こしていますか？

Term_Frequencyをプロットした後、最も頻度の高い用語は、 "AAPL"、 "アップル"、 "iPhone"、 "価格" "株式" 事前に

感謝です！ "AAPL" と "AAPLが" 別の文字列であるので、

Munckinn

transform into dataframe 
tweets.df <- twListToDF(tweets) 

#Isolate text from tweets 
aapl_tweets <- tweets.df$text 

#Deal with emoticons 
tweets2 <- data.frame(text = iconv(aapl_tweets, "latin1", "ASCII", "bye"), stringsAsFactors = FALSE) 

#Make a vector source: 
aapl_source <- VectorSource(tweets2) 

#make a volatile corpus 
aapl_corpus <- VCorpus(aapl_source) 
aapl_cleaned <- clean_corpus(aapl_source) 

#create my list to remove words 
myList <- c("aapl", "apple", "stock", "stocks", stopwords("en")) 

#clean corpus function 

clean_corpus <- function(corpus){ 
    corpus <- tm_map(corpus, stripWhitespace, mc.cores = 1) 
    corpus <- tm_map(corpus, removePunctuation, mc.cores = 1) 
    corpus <- tm_map(corpus, removeWords, myList, mc.cores = 1) 
    return(corpus) 
} 

#clean aapl corpus 
aapl_cleaned <- clean_corpus(aapl_corpus) 

#convert to TDM 
aapl.tdm <- TermDocumentMatrix(aapl_cleaned) 

aapl.tdm 

#Convert as Matrix 
aapl_m <- as.matrix(aapl.tdm) 

#Create Frequency tables 
term_frequency <- rowSums(aapl_m) 
term_frequency <- sort(term_frequency, decreasing = TRUE) 
term_frequency[1:10] 

barplot(term_frequency[1:10]) 

Answer 1

私はあなたの問題は、 "バイト" にiconv 変更 "BYE" であると思い

tweets2 <- data.frame(
       text = iconv(aapl_tweets, "latin1", "ASCII", "byte"), 
       stringsAsFactors = FALSE)