制作词云图本不是难事,利用R或者tableau可以轻松制作出花式词云图,但是词源的获取就不是那么容易了,今天我们就利用R语言中的jiebaR包来对北大校长林建华在北大120周年校庆的致辞做分词,并制作词云图。
致辞内容保存在‘beida120.txt'中,分词以及绘制词云图代码如下:
> library(jiebaRD)
> library(jiebaR)
> engine <- worker()
> segment("beida120.txt",engine)
[1] "beida120.segment.2018-05-30_14_20_00.txt"
> word <- scan('beida120.segment.2018-05-30_14_20_00.txt',sep='\n',what='',encoding="UTF-8")
Read 1 item
> word <- qseg[word]
> word <- freq(word)
> wordcloud2(word,shape = 'star')
得到的词云图如下:
由上图可知,我们分词的内容里由较多的停用词,影响了我们对原文内容的了解,故而我们要将它们清除掉,可通过worker()函数里的stop_word参数进行清除,我们将需要删除的停用词放在stopwords.txt文件