東京で尻を洗う

某所における声優統計の評判

R

あけましておめでとうございます。

某書が話題になっているそうですが、直接確かめる度胸はないので形態素で把握します。

形態素の処理は適当です。

# 参考 https://gist.github.com/r-linux/4958fd92355dbae01c7b
library(RMeCab)
library(XML)
library(dplyr)
u <- "http://fox.2ch.net/test/read.cgi/poverty/1420023769/"
dat_freq <- htmlParse(u) %>% xpathSApply('//dd',xmlValue) %>% paste(collapse="。") %>%
  RMeCabC() %>% unlist %>% data_frame(POS1=names(.), TERM=.) %>%
  filter (POS1 %in%  c("名詞","形容詞","動詞"),
          !(grepl(paste(
            c(LETTERS,letters, 0:9,"/", ":", ";",">","<","-","\\.","　", " ", "_", "＿","＼", "､","Д","'", "´", "\\*"),collapse = "|"), TERM))) %>% group_by(TERM) %>%
  summarise(Freq=n()) %>%
  filter(Freq<=50) # 高頻度のものはゴミが多かったので

# ワードクラウドの作成
library(wordcloud)
par(family = "HiraKakuProN-W6")
wordcloud(dat_freq$TERM, dat_freq$Freq)

結果はこちら。カルピスってなんだよ。

Permalink | コメント(0) | トラックバック(0)