[數據文章] 歷任總統國慶演說圖表解析》蔡英文與馬英九，在國慶演說講了什麼？

• 2023-10-11
• 數據分析, 數據文章

回顧1997年至2023年四位民選總統的國慶演說，從中能夠發現幾個重點：（一）總統們最常使用的詞彙中，相似比分歧的多；特色詞彙則反映出各自任內課題（二）馬英九演說中，更強調兩岸關係，並提到貿易協議與經濟，蔡英文則多次提及區域穩定的挑戰，並重申民主與自由（三）陳水扁在2007年卸任前提到近百次「台灣」，為歷年最多；「中國民國」則以馬英九在2011年（民國百年）提到近40次最多。中國（大陸）也是歷任總統都會提到的重點。（四）蔡英文相較馬英九在「台灣」和「中國民國」的使用的確有消長

[R語言專題] 運用R語言玩轉文字探勘 – 分詞篇

• 2023-10-05
• R語言專題, R語言教學

在現今的資訊時代，文字資料無所不在，從社交媒體、新聞報導到學術研究，文字都是我們最主要的資訊來源。然而，要讓電腦能夠理解並處理這些文字資料，我們首先必須將其分割成更小、更結構化的單位，這就是所謂的「分詞」。

為什麼要分詞呢？因為單純的文字通常是非常不結構化的，而這對於資料分析或是電腦處理來說，是個巨大的挑戰。這時，分詞的角色就變得尤為重要。

[R語言專題] 運用R語言玩轉文字探勘 – 編碼亂碼與文字檔案的匯入匯出

• 2023-10-05
• R語言專題, R語言教學

前面文章「總統演說」的範例中，能看到R語言中常見的文字資料格式，要不是儲存在dataframe中，每筆資料都是文章、段落、句子，或者是用list將文章存在每一個元素中。不過，在R語言中處理文字資料會遇到很多路障，這篇文章就是要帶你克服。

[R語言專題] 運用R語言玩轉文字探勘 – 字串處理

• 2023-10-05
• R語言專題, R語言教學

若我們想分析歷屆台灣總統的演講稿，在事前我們可能要先做這些準備：保留講稿中「台灣」和「臺灣」其中一種用法、刪除原文中的換行符號、整理民國與西元日期格式、消除空格例如以前可能會出現挪抬等。上述提到的小任務，全部都是字串處理的範疇。當然，你可能會想說，你手上的資料已經非常乾淨，根本沒必要走過這些步驟！其實，就算不是文字探勘、就算資料已經足夠乾淨，但字串處理的使用情境非常生活化，它仍然能夠在意想不到的地方幫上你。這些任務，全都可以交給stringr套件解決。

[R語言專題] 運用R語言玩轉文字探勘 – 正規表達式

• 2023-10-04
• R語言專題, R語言教學

就我的經驗來說，平常若打交道的以數值資料為主，確實是這個比例；但如果是文字資料，恐怕比例會更極端到清資料就要花上9成時間。在清理文字資料的過程中，一定會用上一個神兵利器：「正規表達式」（regular expression，簡稱為 regex 或 regexp）。底下，我們就來介紹正規表達式的用途與用法。