从数据角度分析陈冠希大骂林志玲事件

抓取完成后，得到了用户的一些属性以及评论的内容。

  好，既然是评论，我们首先当然要来一发词云分析先。

library(tm)

library(Rwordseg)

installDict('明星【官方推荐】.scel','明星')

contentCorpus<- Corpus(VectorSource(na.omit(d$text)))

contentCorpus<- tm_map(contentCorpus, stripWhitespace)

contentCorpus=tm_map(contentCorpus, content_transformer(segmentCN), returnType='tm')

#tm分词对中文分词Bug解决方案

tokenizer <-function(x){

unlist(

strsplit(

x$content,

'[[:space:]]+'

)

)

}

tdm <-TermDocumentMatrix(

contentCorpus,

control=list(

wordLengths=c(1,Inf),

tokenize=tokenizer

)

)

#转成向量矩阵

tdm <-as.matrix(tdm)

library(wordcloud)

v <-sort(rowSums(tdm), decreasing = TRUE)

d <-data.frame(word = names(v), freq = v)

d <- d[1:300,]

wordcloud(

d$word,

d$freq,

min.freq=2,

random.order=F,

colors=rainbow(length(row.names(d)))

)