Kmeans聚类和文本挖掘在R

Question

我有一个包含twitter数据（只有1个文件）的txt文件。我使用streamR和parseTweets函数将它加载到R中。我需要对这些数据进行Kmeans聚类。首先，我需要清理和准备数据，但数据是数字的混合体，它不允许我这样做:(例如）内容转换。
如何摆脱这些数据中所有不需要的字符？我只需要纯文本。无数字，特殊字符等

*library(streamR) 
install.packages("RCurl") 
install.packages("bitops") 
install.packages("rjson") 
library(bitops) 
library(RCurl) 
library(rjson) 
library(NLP) 
library(tm) 
library(SnowballC) 
library(XML) 
tweets.df<-parseTweets('tweetsStream.txt', simplify = FALSE); 
tweets.df<-tm_map(tweets.df,content_transformer(tolower)); 
Error in UseMethod("tm_map", x) : 
    no applicable method for 'tm_map' applied to an object of class "data.frame"* 

Answer 1

tm_map函数将语料作为输入数据类型取回。试试这个：

docs <- Corpus(DirSource(cname)) 
docs <- tm_map(docs, tolower) 

这里找到完整的例子：https://rstudio-pubs-static.s3.amazonaws.com/31867_8236987cf0a8444e962ccd2aec46d9c3.html

进一步的细节，你总是可以运行

??tm_map或??tm去你的[R控制台整个文档。

Regards， Markus