快照

继续用R代码做一些纯好玩的practice。

这次想要实现的是如何通过文字来了解一个人。

考虑到评论性文字一般太过严肃，微博则过于琐碎，所以还是决定选择博客文章作为分析载体。

通过对博客文字的分析，我希望获取以下信息：

1.作者的个人信息。

2.作者的写作风格。

2.作者的性格。

3.作者的心理或情绪变化。

常规工作的第一步是分词，但这里要注意的是单纯的分词实际上并不能提供足够多的信息。

我从GR中选择了三个我很喜欢的博客，用爬虫把所有的博文爬到本地，然后进行分词统计，去除一些无意义的词组，结果如下。

第一个：

这个作者比较关注天气变化，可能是一个气象工作者。

第二个：

这个作者喜欢吃土豆丝加酱蛋。

第三个：

这是最困难的一种，这个作者中意于内心世界的表达，我们除了知道他经常鼻塞，就不知道别的了。

因此如果我们要获取作者更多的信息，就必须让分词之间产生联系。