一、设计实现详细说明
1.1 任务详细描述
以中国四大名著之一——《三国演义》为蓝本,结合python数据分析知识进行本次的文本分析。《三国演义》全书共120回。本次的分析主要基于统计分析、文本挖掘等知识。
1.2 设计思路详细描述
- 数据准备、数据预处理、分词等
- 全书各个章节的字数、词数、段落等相关方面的关系
- 整体词频和词云的展示
- 全书各个章节进行聚类分析并可视化,主要进行了根据IF-IDF的系统聚类和根据词频的LDA主题模型聚类
- 人物关系网络的探索,这里选取了部分人物之间的关系进行分析,主要探索了各个章节的关系图和人物关系网络图。
1.3 涵盖主要知识点
- 分词包jieba的运用、数据读取、数据预处理
- 运用wordcloud库进行词云的绘制
- 文本聚类分析:TF-IDF矩阵、K-Means聚类、MDS降维、PCA降维、HC聚类、t-SNE高维数据可视化
- LDA主题模型
- 人物社交网络分析
- Gephi、oracle database visualization desktop工具的使用
二、程序运行效果
2.1 数据预处理
2.1.1《三国演义》全书文本
2.1.2 重新整理行索引
2.1.3 提取标题并切分内容