将文本从sonnets.txt.使用extractFileText并显示第一个十四行诗的文本。

str = inthelfiletext（“sonnets.txt”）;提取物（str，“II”）

[诗歌]莎士比亚十四行诗一我们希望从最美丽的生灵身上生长，这样美丽的玫瑰就永远不会凋谢，但就像成熟的玫瑰随着时间的流逝而凋谢一样，他的娇嫩的继承人也可以记住他:可是你，只盯着自己明亮的眼睛，把自己的物质燃料填满你的火焰，把富足的地方变成饥荒，把你自己当作敌人，把你可爱的自己弄得太残酷:你现在是这世界的新鲜的装饰品，是这绚丽春天的唯一使者，把你的满足埋在你的花蕾里，温柔的粗人把你的吝啬浪费掉:可怜这世界吧，否则这个贪吃的人，要用坟墓和你来吃掉这世界的本分。”

从单词云中显示Sonnets的单词。

图wordcloud (str);

加载示例数据。该文件sonnetspreprocessed.txt.txt.包含了经过预处理的莎士比亚十四行诗。该文件每行包含一首十四行诗，单词之间用空格分隔。将文本从sonnetspreprocessed.txt.txt.，将文本以换行符分割为文档，然后标记文档。

文件名=“sonnetsPreprocessed.txt”；str = extractFileText(文件名);textData =分裂(str,换行符);文件= tokenizedDocument (textData);

使用单词云可视化文档。

图wordcloud(文件);

加载示例数据。该文件sonnetspreprocessed.txt.txt.包含了经过预处理的莎士比亚十四行诗。该文件每行包含一首十四行诗，单词之间用空格分隔。将文本从sonnetspreprocessed.txt.txt.，将文本以换行符分割为文档，然后标记文档。

文件名=“sonnetsPreprocessed.txt”；str = extractFileText(文件名);textData =分裂(str,换行符);文件= tokenizedDocument (textData);

使用袋式模型使用bagOfWords．

袋= bagofwords（文件）

单词:[" fairrest " "creatures" "desire"…NumWords: 3092 NumDocuments: 154

使用单词云可视化单词袋模型。

图wordcloud(袋);

加载示例数据Sonnetstable.．表TBL.包含变量中的单词列表单词，以及变量中的相应频率计数数数．

负载Sonnetstable.头(台)

ANS =.8×2表字数  ___________ _____ {''' 这‘}{“阿门”}1{“公平”}2{“反抗}{“自}1{“这种‘}2{“你}{“因此}1

使用wordcloud．指定单词和相应的字大小单词和数数变量分别。

图wordcloud(资源描述,“词”，“数”）;标题（“十四行诗词云”）

要重现本例中的结果，请设置rng来'默认'．

RNG（'默认'）

加载示例数据。该文件sonnetspreprocessed.txt.txt.包含了经过预处理的莎士比亚十四行诗。该文件每行包含一首十四行诗，单词之间用空格分隔。将文本从sonnetspreprocessed.txt.txt.，将文本以换行符分割为文档，然后标记文档。

文件名=“sonnetsPreprocessed.txt”；str = extractFileText(文件名);textData =分裂(str,换行符);文件= tokenizedDocument (textData);

使用袋式模型使用bagOfWords．

袋= bagofwords（文件）

单词:[" fairrest " "creatures" "desire"…NumWords: 3092 NumDocuments: 154

适合20个主题的LDA模型。要抑制详细输出，请设置'verbose'到0。

20岁的mdl = fitlda(包'verbose'，0）

mdl = ldamodel具有属性：numtopics：20个字复制：1个题复杂：5次主题：5个柯克佩普科可用性：[0.0500 0.0500 0.0500 0.0500 0.0500 ...] DocumentTopicProbability：[154x20双]主题​​页：[3092x20双]词汇：[“最公平”“生物”..。]主题订单：'initial-fit-概率'fitinfo：[1x1 struct]

使用词云将前四个主题形象化。

数字为TopicIDX = 1：4子图（2,2，TopicIDX）WordCloud（MDL，TopicIDX）;标题（“话题： ”+ TopicIDX）结束