SBL超級籃球聯賽文字雲

使用套件

library(devtools)
library(Rfacebook)
library("jiebaR")
library(tm)
library(NLP) 
library(wordcloud2)

抓取臉書資料

token <- "EAACEdEose0cBAAcz5MHUmNAZBzlxs6EX9xk1OhdNpVJ6TSs7D4JN5ZByeKKGZBogtbVJYiyOqmZCv6KoIsTEFpGrY4kIVFxDtAoqPZA2Gk1Uw6RQTyl1U96iZCuj99rRZCjgSXbVMyInQyQ6J3rZBSCv9la2jZAAOoAdsJOcpCtZA0LaUn1dmYQhqoLzpVBG5pRzZCX9vsvUsQrHAZDZD"

page.id <- "359745807519263"
page <- getPage(page.id, token, n = 80)

## 25 posts 50 posts 75 posts 100 posts

Page <- subset(page, select = c(from_id, message))
colnames(Page) <- c("doc_id","text")

文本清理

toSpace <- content_transformer(function(x, pattern) {
  return (gsub(pattern, " ", x))}
)
docs <- VCorpus(DataframeSource(Page))
#inspect(docs)
docs<-tm_map(docs,stripWhitespace)
docs<-tm_map(docs,removeNumbers)
docs<-tm_map(docs,removePunctuation)
docs <- tm_map(docs, toSpace, "的")
docs <- tm_map(docs, toSpace, "年")
docs <- tm_map(docs, toSpace, "我")
docs <- tm_map(docs, toSpace, "有")
docs <- tm_map(docs, toSpace, "了")
docs <- tm_map(docs, toSpace, "是")
docs <- tm_map(docs, toSpace, "很")
docs <- tm_map(docs, toSpace, "都")
docs <- tm_map(docs, toSpace, "在")
docs <- tm_map(docs, toSpace, "和")
docs <- tm_map(docs, toSpace, "他")
docs <- tm_map(docs, toSpace, "為")
docs <- tm_map(docs, toSpace, "跟")
docs <- tm_map(docs, toSpace, "就")
docs <- tm_map(docs, toSpace, "也")
docs <- tm_map(docs, toSpace, "與")
docs <- tm_map(docs, toSpace, "以")
docs <- tm_map(docs, toSpace, "讓")
docs <- tm_map(docs, toSpace, "日")
docs <- tm_map(docs, toSpace, "月")
docs <- tm_map(docs, toSpace, "到")
for(i in seq(docs)){
  docs[[i]]<-gsub('[[:punct:]]', '', docs[[i]])
  docs[[i]]<-gsub("，"," ",docs[[i]])
  docs[[i]]<-gsub("-"," ",docs[[i]])
}

製作文字雲

cc = worker()
num = c()
for (i in c(1:80)){
    num = append(num,docs[[i]],length(num))
}

num1 <- table(cc[num])
num1 <- data.frame(num1)
wordcloud2(data = num1,backgroundColor = 'black', color = 'random-light', 
           minRotation = -pi/2, maxRotation = pi/2,  
           rotateRatio = 1)

結論

可以發現文字雲中出現最多的是“比賽”“富邦”“布拉”“達欣”等等

這些都在預料之內像是富邦璞園金酒達欣都是球隊的名字而達欣隊洋將布拉的大量出現則是因為近期吵很兇的技術犯規禁賽事件

當然包括林書緯呂政儒這些本土球星也有在當中最後可以從排名首輪以及門票等等看出今年SBL的季後賽即將來到

碰到的問題

在清理文本時會發現大部分的標點符號跟其他東西就能被清理到但最近網路開始流行的表情符號卻無法被清理上網一開始查了很多資料都沒辦法解決

所以一開始我就小偷懶了選擇去忽略表情符號的出現因為在眾多文辭中文字雲裡的表情符號其實出現的非常少

後來在discord上提問後透過其他人的解答知道可以從表情符號的編碼來清理表情符號

而如果是用英文的話甚至可以一次清除所有不相干的符號

這是我第一次在discord上提問以前我都是自己埋頭找網路上的資料因為覺得自己能夠花夠快的時間就找到解答不過這次的問題對我來說困難許多所以覺得這個平台很棒以後遇到問題時我會更多地做提問~

HW4

Josh Chang