簡介

將關聯規則分析應用在ptt日旅版上，我們預期較常一起去的景點會比較容易出現在同一篇文章內，在分析後他們也應該有較高的信賴度(confidence)，而該景點的熱門程度則可以從支持度(support)來了解

最後可以從增益度(lift)的值去了解，盲目推薦景點與針對性推薦之間的比例差異

步驟

• 抓取資料(rvest)
• 切詞(jiebaR)
• 過濾(人工)
• 建立分類(人工)
• 關聯規則分析
• shiny 建立互動式介面

抓取資料

• 找出網址規則
• 尋找網頁節點(SelectGadget)
• 用rvest函數抓文章
• 把推文、簽名檔及某些分類的文章刪除

jiebaR

• 選用模型(預設是mix，mp+hmm模型)
• 系統辭典
• 用戶辭典(user word)
• 停止詞(stopword)
• 調整詞頻

切詞&過濾&分類

• 先抓精華區的文章
• 以地區分類，每個地區分開切
• 切好的詞進行分類
• 將分類出來的詞丟進user word和stopwords裡
• 再切下一個地區，重複上面的步驟直到全部地區都切完

切詞&過濾&分類

• 將所有精華區的文章一起切當作資料庫
• 計算Term document metrix
• 簡單的資料視覺化(ggplot)並刪除奇怪的符號

關聯規則分析

• 讀取上一步得到的含有詞名及文檔編號的文件
• 讀取自定義的函數
• 進行關聯規則分析
• 結果視覺化

shiny

https://mplab.twgogo.org/shiny/