hw3

使用package

library(Rfacebook)
library(NLP)
library(tm)
library(jiebaRD)
library(jiebaR)
library(RColorBrewer)
library(wordcloud)
library(wordcloud2)

擷取粉專資料

我固定會followㄧ些籃球粉專，其中這個叫做天sky的專欄作者的文字我特別喜歡，他常常談論ㄧ些比較冷門球隊或是年輕有未來性的球員，因此讓我對NBA有更深一層的認識，因此利用這次作業爬下他近期的200篇po文，探討他常提及的字詞及球隊。

籃球專欄─天sky ：https://www.facebook.com/skyswritingland/

token  = "EAACEdEose0cBACXUvdcO5ZBgcVZA44I9RIZBs8TDIt1uWfxo6ZAilwfb4FTpm3JWs6TORZAMIQlcE6gCMrkUsZCGJoOUoKZBTlsxDeg6glJKSXgzye9tZBcVZArAPOZCTfEZCvcf1QfVdFInAS3kxqDOo5bxT8TgVAiZA1vC0igRXlvHw4q5DswW9YyqX9aE9uaE6KUZD"
page.id <- "338614156342478" 
page <- getPage(page.id, token, n = 200)

## 25 posts 50 posts 75 posts 100 posts 125 posts 150 posts 175 posts 200 posts

清理文本及建立詞頻矩陣

這裡我在詞頻字典中新增了「擋拆」、「我鹿」(我鹿是作者對於公鹿隊的暱稱)兩個詞，因在我印象中這兩個詞在天sky常在文章中所提及，但避免字典不認得而做了切割。

docs <- Corpus(VectorSource(as.character(page[,3])))
toSpace <- content_transformer(function(x,pattern){
  return (gsub(pattern," ",x))
})
docs <- tm_map(docs, toSpace, "※")
docs <- tm_map(docs, toSpace, "◆")
docs <- tm_map(docs, toSpace, "‧")
docs <- tm_map(docs, toSpace, "的")
docs <- tm_map(docs, toSpace, "我")
docs <- tm_map(docs, toSpace, "也")
docs <- tm_map(docs, toSpace, "他")
docs <- tm_map(docs, toSpace, "是")
docs <- tm_map(docs, toSpace, "就")
docs <- tm_map(docs, toSpace, "了")
docs <- tm_map(docs, toSpace, "在")
docs <- tm_map(docs, toSpace, "但")
docs <- tm_map(docs, toSpace, "都")
docs <- tm_map(docs, toSpace, "不")
docs <- tm_map(docs, toSpace, "看板")
docs <- tm_map(docs, toSpace, "作者")
docs <- tm_map(docs, toSpace, "發信站")
docs <- tm_map(docs, toSpace, "批踢踢實業坊")
docs <- tm_map(docs, toSpace, "[a-zA-Z]")
docs <- tm_map(docs, removePunctuation)
docs <- tm_map(docs, removeNumbers)
docs <- tm_map(docs, stripWhitespace)
mixseg = worker()
new_user_word(mixseg,'我鹿','n')

## [1] TRUE

new_user_word(mixseg,'擋拆','n')

## [1] TRUE

jieba_tokenizer=function(d){
  unlist(segment(d[[1]],mixseg))
}
seg = lapply(docs, jieba_tokenizer)
freqFrame = as.data.frame(table(unlist(seg)))

建立文字雲

從文字雲的結果可以看出，天sky在文章中很常分析球員的打球方式，如「低位」、「內線」、「出手」、「三分」等等，另外「防守」也是他談論的一項重點。此外「天賦」和「未來」這種詞彙也大量出現在文章當中，符合我原先預期說他總是談論ㄧ些年輕的潛力球員。球隊的部分則是「七六人隊」大大的出現在文字雲中，不過就我對作者的了解他應當是公鹿球迷，看來我該提醒他多多撰寫公鹿隊的文章了哈哈。

wordcloud2(freqFrame, minSize =30, minRotation = -pi/6, maxRotation = pi/6,
           rotateRatio = 1)