Hacer un análisis de texto - Revision history

Anamhoo: /* Pasos */

2016-12-19T19:54:55Z

‎Pasos

Anamhoo: /* Pasos */

2016-12-19T19:52:38Z

‎Pasos

Anamhoo: /* Pasos */

2016-12-19T19:51:45Z

‎Pasos

Anamhoo: /* Pasos */

2016-12-19T19:50:31Z

‎Pasos

Anamhoo: /* Pasos */

2016-12-19T19:49:46Z

‎Pasos

Anamhoo at 19:43, 19 December 2016

2016-12-19T19:43:00Z

Anamhoo: Created page with " Los análisis de texto pueden ser herramientas poderosas para poder analizar estadísticamente discursos. Actualmente son muy usadas para hacer bigdata en redes socailes..."

2016-12-19T18:39:05Z

Created page with " Los análisis de texto pueden ser herramientas poderosas para poder analizar estadísticamente discursos. Actualmente son muy usadas para hacer bigdata en redes socailes..."

New page

Los análisis de texto pueden ser herramientas poderosas para poder analizar estadísticamente discursos. Actualmente son muy usadas para hacer bigdata en redes socailes

[[Category:How_To]]

@@ Line 39: / Line 39: @@
   > Datos <- tm_map(Datos,tolower)
-> Datos <- tm_map(Datos,removeNumbers)
+ > Datos <- tm_map(Datos,removeNumbers)
-> Datos <- tm_map(Datos,removeWords,stopwords("spanish"))
+ > Datos <- tm_map(Datos,removeWords,stopwords("spanish"))
   > Datos <- tm_map(Datos,removePunctuation)

@@ Line 21: / Line 21: @@
 * Indicar a R que debe cargar las librerías:
-> require(XML)
+ > require(XML)
-> require(tm)
+ > require(tm)
-> require(wordcloud)
+ > require(wordcloud)
-> require(RColorBrewer)
+ > require(RColorBrewer)
 * Pedirle a R que lea nuestro archivo y lo agregue como datos:
-> Datos <- Corpus(DirSource("~/Directorio/"))
+ > Datos <- Corpus(DirSource("~/Directorio/"))
 * Limpiar el texto para que no use en el análisis fuentes de ruido (por ejemplo conjunciones):
-> Datos <- tm_map(Datos,stripWhitespace)
+ > Datos <- tm_map(Datos,stripWhitespace)
-> Datos <- tm_map(Datos,tolower)
+ > Datos <- tm_map(Datos,tolower)
 > Datos <- tm_map(Datos,removeNumbers)
@@ Line 43: / Line 43: @@
 > Datos <- tm_map(Datos,removeWords,stopwords("spanish"))
-> Datos <- tm_map(Datos,removePunctuation)
+ > Datos <- tm_map(Datos,removePunctuation)
   > Datos <- tm_map(Datos,stemDocument)
-> Datos <- tm_map(Datos, PlainTextDocument)
+ > Datos <- tm_map(Datos, PlainTextDocument)
 * Generar la visualización de nube y guardarla como una imagen en el archivo nubetexto.png
-> png("~/nubetexto.png", width=640,height=600)
+ > png("~/nubetexto.png", width=640,height=600)
-> wordcloud(Datos, scale=c(5,0.5), max.words=100, random.order=FALSE, rot.per=0.35, use.r.layout=FALSE, colors=brewer.pal(8, "Dark2"))
+ > wordcloud(Datos, scale=c(5,0.5), max.words=100, random.order=FALSE, rot.per=0.35, use.r.layout=FALSE, colors=brewer.pal(8, "Dark2"))
-> dev.off()
+ > dev.off()
 Puedes cambiar la visualización en tamaño, puedes modificar el número de palabras que aparezcan en la nube, en fin puedes jugar un poco con como luce.

@@ Line 31: / Line 31: @@
 * Pedirle a R que lea nuestro archivo y lo agregue como datos:
-Datos <- Corpus(DirSource("~/Directorio/"))
+> Datos <- Corpus(DirSource("~/Directorio/"))
 * Limpiar el texto para que no use en el análisis fuentes de ruido (por ejemplo conjunciones):
-Datos <- tm_map(Datos,stripWhitespace)
+> Datos <- tm_map(Datos,stripWhitespace)
-Datos <- tm_map(Datos,tolower)
+> Datos <- tm_map(Datos,tolower)
-Datos <- tm_map(Datos,removeNumbers)
+> Datos <- tm_map(Datos,removeNumbers)
-Datos <- tm_map(Datos,removeWords,stopwords("spanish"))
+> Datos <- tm_map(Datos,removeWords,stopwords("spanish"))
-Datos <- tm_map(Datos,removePunctuation)
+> Datos <- tm_map(Datos,removePunctuation)
-Datos <- tm_map(Datos,stemDocument)
+ > Datos <- tm_map(Datos,stemDocument)
-Datos <- tm_map(Datos, PlainTextDocument)
+> Datos <- tm_map(Datos, PlainTextDocument)
 * Generar la visualización de nube y guardarla como una imagen en el archivo nubetexto.png
-png("~/nubetexto.png", width=640,height=600)
+> png("~/nubetexto.png", width=640,height=600)
-wordcloud(Datos, scale=c(5,0.5), max.words=100, random.order=FALSE, rot.per=0.35, use.r.layout=FALSE, colors=brewer.pal(8, "Dark2"))
+> wordcloud(Datos, scale=c(5,0.5), max.words=100, random.order=FALSE, rot.per=0.35, use.r.layout=FALSE, colors=brewer.pal(8, "Dark2"))
-dev.off()
+> dev.off()
 Puedes cambiar la visualización en tamaño, puedes modificar el número de palabras que aparezcan en la nube, en fin puedes jugar un poco con como luce.

@@ Line 22: / Line 22: @@
 > require(XML)
 > require(tm)
 > require(wordcloud)
 > require(RColorBrewer)

@@ Line 14: / Line 14: @@
 ==Pasos==
-# Crear un documento de texto simple (.txt) con la información para analizar.
+* Crear un documento de texto simple (.txt) con la información para analizar.
-# Abrir R en la terminal
+* Abrir R en la terminal
 [[File:R.png|400px|center|alt=Llamando a R]]
-# Indicar a R que debe cargar las librerías:
+* Indicar a R que debe cargar las librerías:
 > require(XML)
@@ Line 26: / Line 26: @@
 > require(RColorBrewer)
-# Pedirle a R que lea nuestro archivo y lo agregue como datos:
+* Pedirle a R que lea nuestro archivo y lo agregue como datos:
 Datos <- Corpus(DirSource("~/Directorio/"))
-# Limpiar el texto para que no use en el análisis fuentes de ruido (por ejemplo conjunciones):
+* Limpiar el texto para que no use en el análisis fuentes de ruido (por ejemplo conjunciones):
 Datos <- tm_map(Datos,stripWhitespace)
@@ Line 46: / Line 46: @@
 Datos <- tm_map(Datos, PlainTextDocument)
-# Generar la visualización de nube y guardarla como una imagen en el archivo nubetexto.png
+* Generar la visualización de nube y guardarla como una imagen en el archivo nubetexto.png
 png("~/nubetexto.png", width=640,height=600)

← Older revision		Revision as of 19:43, 19 December 2016
Line 1:		Line 1:

−	Los análisis de texto pueden ser herramientas poderosas para ~~poder analizar estadísticamente~~ discursos. Actualmente son muy usadas para hacer ~~bigdata~~ en redes ~~socailes~~	+	Los análisis de texto pueden ser herramientas poderosas para generar información estadística de discursos y tener mecanismos de visualización cuantitativos sobre narrativas. Actualmente son muy usadas para hacer Big Data en redes sociales y una forma de visualizarlos es generando “word clouds” (Nubes de Palabras).
		+	En este tutorial compartimos como hacer un análisis a partir del software estadístico R <ref>https://www.r-project.org/</ref>
		+	== Requisitos ==
		+	Tener Instalado el paquete R y las librerías:
		+	XML

		+	tm

		+	wordcloud

		+	RColorBrewer

		+	==Pasos==

		+	# Crear un documento de texto simple (.txt) con la información para analizar.

		+	# Abrir R en la terminal
		+	[[File:R.png\|400px\|center\|alt=Llamando a R]]

		+	# Indicar a R que debe cargar las librerías:
		+
		+	> require(XML)
		+	> require(tm)
		+	> require(wordcloud)
		+	> require(RColorBrewer)
		+
		+	# Pedirle a R que lea nuestro archivo y lo agregue como datos:
		+
		+	Datos <- Corpus(DirSource("~/Directorio/"))
		+
		+	# Limpiar el texto para que no use en el análisis fuentes de ruido (por ejemplo conjunciones):
		+
		+	Datos <- tm_map(Datos,stripWhitespace)
		+
		+	Datos <- tm_map(Datos,tolower)
		+
		+	Datos <- tm_map(Datos,removeNumbers)
		+
		+	Datos <- tm_map(Datos,removeWords,stopwords("spanish"))
		+
		+	Datos <- tm_map(Datos,removePunctuation)
		+
		+	Datos <- tm_map(Datos,stemDocument)
		+
		+	Datos <- tm_map(Datos, PlainTextDocument)
		+
		+	# Generar la visualización de nube y guardarla como una imagen en el archivo nubetexto.png
		+
		+	png("~/nubetexto.png", width=640,height=600)
		+
		+	wordcloud(Datos, scale=c(5,0.5), max.words=100, random.order=FALSE, rot.per=0.35, use.r.layout=FALSE, colors=brewer.pal(8, "Dark2"))
		+
		+	dev.off()
		+
		+	Puedes cambiar la visualización en tamaño, puedes modificar el número de palabras que aparezcan en la nube, en fin puedes jugar un poco con como luce.
		+
		+
		+	Aquí la mía:
		+
		+	[[File:Poet.png\|400px\|center\|alt=mi nube]]
		+
		+	==Más información==
		+
		+	Para más información puedes ver:
		+
		+	https://cran.r-project.org/web/packages/wordcloud/wordcloud.pdf
		+	https://georeferenced.wordpress.com/2013/01/15/rwordcloud/



	[[Category:How_To]]		[[Category:How_To]]