十九大讲话文本分析（R语言）

18日观看了十九大的开幕直播，聆听了习大大的重要讲话，如此重要的讲话，怎能不结合我们的文本挖掘技术来深刻学习一下呢！这次的文章就让我们用R里面的jiebaR包和wordcloud2包，对习大大的讲话内容进行分词与统计，看看这次讲话都提到了什么？有哪些关键词？

• jiebaR简介

1，worker( )：加载分词引擎。里面的type参数用来选择引擎类型，可选的有：混合模型‘mix’，最大概率法‘mp’，隐马尔科夫‘hmm’，关键词‘keywords’等。还有其他参数可以设置停用词，关键词数等，具体在加载了jiebaR包后，可以用help("worker")进行查看。

2，segment()：在调用了分词引擎后，可以通过调用segment函数来进行分词。

• wordcloud2简介

wordcloud2可以用来画词云，主要的函数为wordcloud2（），函数中的主要参数如下：

1，data：词云生成数据，包含具体词语以及频率

2，size：字体大小，一般来说该值越小，生成的形状轮廓越明显

3，fontFamily：字体，如‘微软雅黑’

4，fontWeight：字体粗细，包含‘normal’，‘bold’以及‘600’

5，color：字体颜色，可以选择‘random-dark’以及‘random-light’

6，backgroundColor：背景颜色

7，minRontatin与maxRontatin：字体旋转角度范围的最小值以及最大值

8，rotationRation：字体旋转比例，如设定为1，则全部词语都会发生旋转

9，shape：词云形状，‘cardioid’（苹果形），‘star’（星形），‘diamond’（钻石），‘triangle-forward’（三角形），‘triangle’（三角形），‘pentagon’（五边形）。也可以通过figPath参数导入图片地址，自定义词云形状

• 讲话内容分析

将txt文件导入到R中，并载入相应的包。

wenben<-scan('D:\\十九大报告文本分析\\在中国共产党第十九次全国代表大会上的报告.txt',what='') library(jiebaR) library(wordcloud2)

接下来，调用分析引擎，进行分词，分词过程中，自定义了要除掉的停用词。分词后，统计词频，并根据频数由大到小排序，取前100个。

cut1<-worker(type="mix",stop_word='D:\\parttime\\公众号\\十九大报告文本分析\\rep.txt') seg<-segment(wenben,cut1) segfreq<-table(seg) segfreq <- sort(segfreq, decreasing = TRUE)[1:100] head(segfreq)

分词部分结果如下：

seg 发展 人民 社会主义 党 全面 实现 212 157 146 104 88 83

在进行了分词并统计了词频后，就可以绘制词云。我们首先通过自定义设置了词云的颜色，然后进行绘制。

js_color_fun = "function (word, weight) { return (weight > 140) ? '#D02090' : '#CDB5CD'; }" wordcloud2(segfreq,size=0.8,color = htmlwidgets::JS(js_color_fun),backgroundColor = "black",shape = "diamond", minRotation = -pi/2, maxRotation = -pi/2)

词云的结果充分印证了那句话“发展才是硬道理”啊，并且，我们的习大大一直把广大人民挂在心中，有木有！