結合jiebar與Tidy text套件，處理中文文字資料

Abstract

結合jiebar與Tidy text套件，處理原住民傳說與外國傳說

系統參數設定

Sys.setlocale(category = "LC_ALL", locale = "zh_TW.UTF-8") # 避免中文亂碼

## [1] "zh_TW.UTF-8/zh_TW.UTF-8/zh_TW.UTF-8/C/zh_TW.UTF-8/zh_TW.UTF-8"

安裝需要的packages

packages = c("dplyr", "tidytext", "jiebaR", "gutenbergr", "stringr", "wordcloud2", "ggplot2", "tidyr", "scales")
existing = as.character(installed.packages()[,1])
for(pkg in packages[!(packages %in% existing)]) install.packages(pkg)

require(dplyr)

## Loading required package: dplyr

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

require(tidytext)

## Loading required package: tidytext

require(jiebaR)

## Loading required package: jiebaR

## Loading required package: jiebaRD

require(gutenbergr)

## Loading required package: gutenbergr

library(stringr)
require(wordcloud2)

## Loading required package: wordcloud2

library(ggplot2)
library(tidyr)
library(scales)

原住民傳說內容

sai_shia <- "賽夏族－住在山裡的矮黑人。很久以前，賽夏族人打獵的時候，都是全體一起出去，一大群人賣力的圍捕和獵殺，辛苦半天所得到獵物並不多。那時候，他們也不會耕種，季節不好，採摘不到果實和野菜，只好餓肚子，日子過得辛苦極了。頭目眼看田園裡穀穗稀疏，只好派勇士們出去打獵，勇士們都一起大聲回答：「我們一定要打到獵物回來！」他們在迷霧裡搜索著動物的蹤跡。突然間，勇士嘎歷發現一條小路，於是獨自走過去，當他想要回頭和同伴說話時，卻發現自己落單了。嘎歷開始緊張，一不小心就落下深不見底的山谷。當嘎歷落了地穩住了身子，突然聽見山腰有人在低聲吟唱，於是急忙躲到大樹後，他看見一群矮黑人圍坐成一圈，他們的身高不到一百公分，黑皮膚，捲頭髮，上半身裸露著，唱著怪歌，像正在舉行一種儀式，圈子中間是一堆纏繞著的百步蛇。矮黑人唱歌跳舞，百步蛇一條一條悄悄的挪開了。原來這是一種「驅蛇的儀式」。嘎歷想：「這些矮黑人好像有法力，也許可以請他們幫忙，讓我們的作物豐收」，於是他鼓足勇氣走進山洞，矮黑人頭目聽了他的請求，也很慷慨地答應，但是他開出條件：「我們可以幫忙，不過收成的一部分要給我們。」矮黑人到了賽夏部落以後，族人的生活終於改善了，金黃的田地讓人看了心裡好歡喜。慶功宴上，矮黑人頭目得意地對賽夏族人說：「你們現在的生活，都是矮黑人的功勞！」矮黑人因為懂得歌唱、耕種、打獵、祭祀，又會施法術，他們開始擄掠，欺侮婦女，終於引起賽夏族人不滿，於是決定反抗。又到了秋收的時候，賽夏族頭目還是準備了豐盛的食物，邀請矮黑人一起來慶祝。就在同時，嘎歷奉頭目的命令在矮黑人回家的路上佈置了一個陷阱。宴會結束，兩族人各自返家，因為天還沒亮，矮黑人們又喝得醉醺醺的，走著走著一不小心全都掉下了陷阱摔死了。矮黑人頭目看到他的族人摔死，才知道原來中了賽夏族人的計，於是憤怒的詛咒說：「賽夏族人，恩將仇報！你們將受到我祖靈的懲罰，田地不再發芽！」嘎歷回答：「我們對你們多麼真心，可是你們卻欺侮我們的妻女，我們這麼做是不得已的。之後，居然一連下了好幾個月的雨，賽夏族人住的地方都淹水，好多人也因此喪生。就在這時，矮黑人頭目又來了，他說：「過去的就算了，我來教你們矮靈祭歌，你們要誠心誠意的唱，否則還會受到矮靈的懲罰。」於是，賽夏頭目鄭重的宣布：「以後每年的豐收慶改為矮靈祭，誠心祈求矮靈不要降災。」所以，以後每年矮靈祭的時候，大家都會誠心誠意的祈禱懺悔，徹夜跳舞，來安慰矮靈，希望能夠藉著祭典，過平安的生活。"

tai_ya <- "泰雅族－占卜鳥希利克「希利克」在臺灣鳥類的分類上屬畫眉科，名稱為「繡眼畫眉」。其特徵為頭部、臉及後頸是灰色，頭部兩側各有一黑褐色縱線，眼之周圍有白色眼圈，是山林中極為普遍的留鳥。泰雅族、排灣族、布農族之原住民，常會以這種鳥類的叫聲次數及發音位置，作為判定當時吉凶的預兆，稱作「鳥卜」。泰雅族稱這種鳥鳴聲為「希利克」，「希利克」這個名稱源自於一個古老傳說。相傳古時候，深山裡到處生長著茂盛的樹林，樹林裡住著許多動物，有黑熊、雲豹、石虎、水鹿、山羌、獮猴等；還有各種鳥類：高貴的帝雉、漂亮的藍腹鷳、威猛的蒼鷹和許許多多數不清的鳥兒們，牠們在寬廣的森林裡遊戲並過著愉快的生活。一風和日麗早晨，森林裡的鳥兒們正聚集在一起快樂的歌唱著，突然有一隻鳥兒提議說：「大家來比一比力氣，看誰能把岩壁上的那塊大石頭推到溪谷裡去，大家就選牠為最聰明的鳥。」大夥兒覺得這種比賽很有趣，於是爭先恐後竹地要試試看！最先出來的是山雉雞，牠拖著身上美麗的長尾巴，神氣的踱著步伐來到大石前。這時才發現所謂的石頭竟然那麼巨大，牠開始猶豫起來；最後，牠改變主意，放棄比賽。接著大老鷹飛到大石上，用巨大的翅膀奮力拍著大石，結果雖然把石頭搖動了，卻無法讓石頭滾下溪谷，只好垂頭喪氣地飛走了。接下來，許多鳥兒都一一試過，還是沒有一隻能推動大石。最後輪到一隻長的非常不起眼的小鳥，牠的名字叫「希利克」；兩隻眼睛帶著白眼圈，頭頂上有著藍黑巴的羽毛，身上其它部份則是橄欖色的，身材比麻雀還嬌小。當牠站出來說：「讓我來試試看！」時，大家都笑得東倒西歪。但是牠根本不管大家的嘲笑，只是奮力地拍動翅膀，高高地飛過大石，然後從遠處疾下，嘴裡還悅耳地發出「吱－吱－」的叫聲；看到牠像箭一般衝向大石頭，大家不禁驚叫起來，因為大石頭居然移動了，並且轟隆隆地滾到溪谷去。於是，大家相信希利克鳥一定是神派來的，才會具備如此的神力，便選希利克鳥為最聰明的鳥。這件事被泰雅族的祖先知道了，他們相信聰明的希利克鳥一定也能幫助解決人類的問題；從此以後，祖先們凡是要舉行結婚喜事，或是出門打獵、出草，甚至有關於耕種的事情，在開始做之前，都要先聽聽希利克鳥的鳴叫聲，或是觀察牠飛行的方向或狀況。當牠發出悅耳的「希－希」聲時，就表示族人可以按照計畫去做事；若聽到的是急躁、短促的鳴叫「吱、吱」，或是在族人的面前慌張地亂飛，就表示不吉利。這時如果勉強採取行動，一定會碰到困難；如打獵受傷或傳染病等。從此，希利克鳥就變成泰雅族人最愛護的鳥兒。"

bu_nung <- "布農族－射日英雄。很久很久以前，天上有兩個太陽，當一個太陽下山時，另一個太陽就緊接著昇起，所以，當時沒有白天和黑夜的分別，兩個太陽輪流出現個不停，有許多人活活的被曬死。頭目非常生氣，就派了幾個勇士帶了弓箭和糧食，各背著一個小男孩，向東出發，找太陽報仇。其中一個勇士叫必勇，他沿途種下果樹的種子，好讓小孩長大時，有果樹指引回家的路。必勇父子兩人翻越幾十座山，不知道經過了多少年，兒子也已長大了，有一天，終於找到了太陽居住的地方，於是趕快拿起弓箭向太陽射去，結果卻只射到太陽的一隻眼睛，太陽用一隻手壓著被射傷的眼睛，用另一隻手捉住了這一對父子，很生氣的問：「你們為什麼要用箭射傷我的眼睛呢？」他們回答說：「因為你曬死了我們許多族人，我們要報仇。」太陽嘆氣說：「你們真是忘恩負義的東西，你們的生活都依靠我，但你們從來沒有感謝過我，所以你們的族人才會被曬死，這都是你們自己招來的禍害！但你們受的苦難也足夠了，以後我就變成月亮，你們回家後要告訴族人，在月圓的時候要祭拜我，這樣你們的穀物一定豐收，人口也會興旺，現在我給你們雞和小米的種子，雞用來報時，小米用來祭祀。」太陽說完，兩人就向它告別，當初種的果樹也已經長大，他們就依照果樹的方向回家，當他們回到家鄉時，父親已變成駝背的老人，兒子也已滿頭白髮，他們把征代太陽的經過詳細的向族人說明，並且將月亮交待的事報告給族人。從此以後，布農族人以－從月亮帶來的小米播種，以月亮的圓缺作為耕種和舉行祭祀的依據。"

tsou <- "鄒族－塔山的愛情傳說。從前，在特富野部落，有一對很相愛的男女，男的名字叫巴蘇亞，女的叫山美。每天傍晚，都可以看見他們手拉著手在散步。可是，有一天，巴蘇亞生重病去世，山美十分傷心，常常一個人難過的唱著他們以前常唱的情歌。有一次，當山美又在傷心的唱歌的時候，突然看見死去的巴蘇亞就站在她的面前，她非常驚喜。巴蘇亞牽著她的手，走到塔山的一個洞穴前，進去以後，山美發現這裡住著許多人，於是，她就和巴蘇亞一起生活在這裡。每隔一段時間，她就會帶著糯米酒回家探望，山美的家人聽她說是和巴蘇亞在一起，覺得很奇怪，但是看到她又恢復以往的快樂，所以也沒有過問，只是偷偷跟在後面，確定她平安才離開。日子一久，山美的家人也習慣了，有時候還會帶些酒放在洞口旁邊給她。過了幾年，山美生了一個漂亮的小寶寶，她帶著巴蘇亞高高興興的抱著小孩回家探望家人。山美的媽媽特地煮了一桌好菜，吃飯時，只聽見談笑聲，看得見杯盤碗筷移動，桌上的好菜也都被吃光光，可是就是看不見巴蘇亞的人影。更奇怪的是，小寶寶抱在媽媽手裡是正常的嬰兒，一抱到外婆的手裡就變成了樹根。要回塔山的時候，山美跟父母說：「這是我最後一次回來。如果有一天，你們看見塔山的山壁上掛著這件穿在我身上的白衣，就表示我已經死了。」不知道過了多久，部落裡的人真的看見一件白色的衣裳掛在塔山的山壁上，山美永遠和她所愛的男子在一起了。據說，那件白色的衣裳，到現在還掛在那兒呢！"

lu_kai <- "魯凱族－巴嫩與蛇郎。巴嫩出生在頭目的家庭，長得美麗動人且歌聲清亮如黃鶯。有一天，好奇的巴嫩，跟隨耕作的婦女們上山，卻在樹林裡迷路了。忽然聽見遠方傳來悠悠的笛聲。當笛聲漸漸清楚的時候，巴嫩眼前站著一位非常英俊的青年，「啊！... ...你是誰？」「巴嫩公主，我是蛇族的青年，我的祖先犯了戒條，受到詛咒，被貶為蛇族。你將是我的妻子，所以，你看得到我的原形... ...」從此以後，巴嫩常常到山裡去會蛇郎。有一天，蛇郎帶了一群人到巴嫩的門外高唱求婚的歌。巴嫩家族的人一看，竟是一條條的百步蛇，大家都嚇壞了。但是巴嫩堅持一定要嫁給蛇族，疼愛巴嫩的父母只好傷心地答應了。迎娶當天，蛇族浩浩蕩蕩的來到了巴嫩家門口，長老高唱迎親的歌，聘禮一樣也不少。母親含著眼淚，把巴嫩打扮得漂漂亮亮的，他的姐妹和兒時的玩伴，都來為她送嫁。黃昏時，送嫁的隊伍舉著熊熊的火把，護送巴嫩來到深山的鬼湖邊，巴嫩公主回頭對著家人說：「親愛的爸爸、媽媽，我會守護這個地方，你們來這兒狩獵，一定會有獵物，但是，如果獵物是冰冷的，請不要帶回去。」說完以後，巴嫩隨著蛇郎走入湖中，幾天以後，湖邊的岸上長滿了百合花。一直到今天，魯凱族人，尤其是女人，都喜歡在頭飾上，插上一朵百合花，紀念她們心中永遠難忘的巴嫩公主。"

pai_wan <- "排灣族－孔雀王子。傳說有一天，天神化作孔雀王子到人世間來遊玩，他覺得世界真美麗，於是他決定到世界各地去看一看。有一天，他不知不覺沿著溪流走進充滿神祕色彩的排灣族部落，他好奇得到處逛。突然，他見到一位眼睛很大的女子正在溪邊洗衣服，他傻傻地注視她，過了一會兒，女子走了，他才驚醒。心生愛意的孔雀王子，於是決定娶這位美麗的女子為妻。打聽之下，才知道這氣質非凡的女子竟是頭目的女兒穆莉淡。孔雀王子想了想：「我是一個神，應該要怎麼介紹我自己給他們認識呢？聽說排灣族是非常講求門當戶對的？」但是，孔雀王子終究還是抗拒不了愛情的力量，於是常常在穆莉淡外出的時候，和她說話。慢慢地，兩個人就開始交往。孔雀王子鼓起勇氣向穆莉淡求婚，雖然穆莉淡很開心，但是她必須得到家人的同意。於是孔雀王子選了一個好日子，到穆莉淡家提親，請求頭目答應他們的婚事。頭目和家族的長者經過一陣討論之後，果然還是捥拒了孔雀王子。孔雀王子雖然傷心沒有得到大家的祝福，但仍然不放棄，於是振翅飛向天際，此時羽翼間撒下了一顆顆美麗的琉璃珠當作聘禮，並在同時帶著公主消失在彩虹的另一端。因此，傳說中的琉璃珠又稱為「孔雀珠」，是排灣族人最珍視的珠寶。"

bei_nan <- "卑南族－「石生」和「竹生」傳說。卑南族人對他們祖先的由來，可分「石生」和「竹生」。「石生」的傳說。卑南族人相信祖先是由巨石裂開所生的。遠古時代，在今天台東知本里海岸附近，有一塊巨石。一天，巨石裂開出現了一名女子，她的眼睛長在膝蓋上，之後，她的腳後跟腫大起來，竟然懷孕了，不久，生了一個女兒。這個女孩長大後，遇到了因洪水逃難的男子，兩人相愛於是結為夫妻，他們就是後來卑南族的祖先。「竹生」的傳說。卑南族人祖先是由竹子所生。遠古時候，在今天台東縣太麻里鄉美和村的地方，出現一名女神，她右手捧著石頭，左手握著竹子。女神把右手的石頭丟到地上，土地裂開跳出了一個人，就是後來阿美族的祖先。女神再把左手的竹子豎立在地上，竹子的上節裂開，出現一名女神，下節也蹦出來另一名男神。這一對男女神就是後來卑南族的祖先。"

a_mei <- "阿美族－七彩布裙的傳說故事。很久以前，部落裡有兩個非常優秀的青年勇士－古拉斯和卡爾照，他們口才好，打獵技巧高超，對於傳統的舞蹈及歌曲，也能琅琅上口。可是，二人個性完全不同，古拉斯性情雖剛烈，但古道熱腸，卡爾照溫文有理，沉默寡言，都是多數族人心目中最理想的未來頭目人選。兩人同時喜歡一個名叫少瑪拉的姑娘，但是傳統法律裡一妻不事二夫，該如何是好呢？於是古拉斯提議「比武招親」，卡爾照同意後，便向當時頭目提出請求，請頭目擔任監考官，這件事傳遍了整個部落，大家扶老攜幼，競相前往比武場地聚集。比賽開始後，無論是賽跑或是射箭...等，兩人都是平手，最後聰明的頭目想出一個比賽－「撐竿跳」，誰能撐越過深澗溪谷，誰就可以娶回少瑪拉！觀看的鄉親開始議論紛紛誰勝誰負，但這一項目實在太困難了，一不小心可能要人命，所以大家都不敢肯定誰會過關。此時觀看的群眾面向溪谷，人人冒著冷汗頻頻顫抖，古拉斯望了一下河谷，心想一定過不了，於是向頭目說：「我肚子痛能不能先上茅坑，讓卡爾照先過吧！」，頭目不疑有他，答應了。原來古拉斯暗藏詭計，心想：「萬一不能跳過的話一定會死去，不如先讓卡爾照去吧，等卡爾照死了，我就可以順理成章地成為少瑪拉的丈夫了」。老實的卡爾照只好先拿起竹竿，向天神誠心祈禱：「讓我有勇氣躍過溪谷吧！」天神似乎聽見了卡爾照的祈求，就在不可能越過的那一瞬間，一道五彩光芒照亮了整個山谷，萬丈光芒投射在卡爾照身上，不知名力量順勢推了他一把，卡爾照竟然輕輕地飄過了深谷，這一幕大家都看傻了，原本鴉雀無聲的會場，一時間歡聲雷動，喝采聲久久不絕於耳，古拉斯看到這種情景，無奈的跌坐在石頭上，心想結束了。頭目報告比賽結果，將少瑪拉許配給了卡爾照，卡爾照告訴少瑪拉：「其實這次的比賽，天神可能聽到了我的祈求，助我一臂之力，才讓我順利跳過溪谷，為了感謝天神的幫助，請妳幫我做一件七彩的布裙，當作紀念。」於是少瑪拉日夜趕工，在結婚前完成了彩虹色布裙。後來，整個部落也跟著織出同樣的布裙，如虹彩般的「七彩」順理成章的成為部落特別標記，而卡爾照也成為家喻戶曉的頭目。"

ya_mei <- "雅美族－紅頭部落的始祖傳說。遠古的人住在海邊。有一天，一個孕婦與老婦人一起到海邊提水，奇怪的是，海水不知為什麼一直漲高，孕婦與老婦人就開始往回跑，但海水不但不退去還一直在後面追趕。好不容易海水停住了，孕婦也跑不動了，便蹲下休息，結果發現一塊白石頭，從底下不斷冒出水來。他們想剛剛在海邊沒提到水，但是也不能沒水喝啊！所以她們兩人又花了好大的力氣把石頭搬開，舀了水準備回家，可是地下的水卻像噴泉似，越流越多，直追著他們漫流，終於將兩個提水的女人淹沒了。可是海潮仍然持續上升，逐漸吞沒了村莊與田地，最後幾乎整個蘭嶼島都陷入了海中，只露出今天望南蜂與芳南蜂二座山頭。及時跑到這二座山頂的人並不多，豬、山羊、老鼠等動物都被淹死了，山上又沒有田地作物，人沒有食物可吃，一個個的餓死了。經過四年之後，海水仍然不退，山上僅剩下一對夫妻，妻子懷孕中。八年，山上出現了大量成堆的夜光貝和礫石。到第九年，那位懷胎多年未生產的孕婦，某天發現了一隻老鼠，便把牠丟入海中，祈求海水降退，結果海水真的就漸漸消退了，但是又經過十年之後，海水才退回原處，這對夫妻逗留山上又觀望一年，確定山下有水喝之後，才下山去，這時整座山已經又覆蓋了茂盛的森林與田園。"

shau <- "邵族－白鹿傳說。很久以前，邵族祖先帕達木，和平常一樣，和十幾個族人出遠門打獵。他們準備十五天的乾糧，用竹子筒裝粟米，還有生山芋及生蕃薯。經過好幾天，都沒有收獲。於是帕達木和族人們就找了一個山洞休息，起火烤蕃薯，露營過夜。他們正在煩惱，這麼多人出門打獵，又經過那麼多天，總不好意思空手回到部落，讓等待他們豐收回來的家人失望，因此他們雖然知道糧食已經剩不多，但是追捕獵物的企圖愈來愈強烈。終於有一天，帕達木帶來的一隻獵犬，吠得好厲害，而且在叢林繞了好多圈，一會兒跑出來，一會又鑽進叢林，最後有幾個人看到獵物，都嚇了一跳，原來不是大山豬，也不是野兔，而是一隻從沒有見過的白鹿。這下子，大家精神都為之振奮，開始全力追捕「白鹿」，可是連續追了好幾天，都沒找到，奇怪的是，獵犬卻一點也不累，還是不停地找，帕達木和族人們當然也不甘心肥美的白鹿跑掉，於是拿起弓箭和配刀繼續追蹤。只要獵犬叫，他們就跟著跑，一直跑到今天的南投縣魚池鄉，終於又看見白鹿的影子跑下山，大家又猛追，遠遠看去，白鹿突然跳進一條大河。（就是今天的日月潭）。獵犬在河岸不斷狂吠，族人也游泳過岸尋找鹿的蹤跡，奇怪的是，完全找不到任何動物的腳印。這時天色漸漸暗下來，獵犬也死心不再追了，只到水邊飲水。大家又飢又渴，糧食也都吃光了，只好跟著狗兒到水邊喝水，有的熱得順便下河泡水。這時他們泡在水中的腳邊出現許多怪魚，不但不怕他們，用腳趕也趕不走，大大小小不知有幾百尾。帕達木和族人們已經很累了，又被這些魚「欺負」，一氣之下，拿起佩刀和弓箭向魚群刺殺，大家飢餓之下，就想這些怪魚是不是也可以吃？因為他們一向住在山上，吃過山豬、兔子、羌肉、鳥肉、蛇肉等等，卻沒有吃過這種魚肉，害怕吃了這種東西會生病或死亡。他們把宰殺的魚撈起來，拿到岸上起火烤魚。帕達木先「試吃」，沒發生甚麼問題，而且覺得味道很好，於是大家開始忙著抓魚、烤魚，把吃不完的烤成魚乾當「乾糧」，也解決了回程食物的問題。帕達木和族人們回到家鄉後，告訴村裡的人，他們發現一個有山有水，又有一種吃不完的大魚，花草樹木非常漂亮的人間仙境。於是他們追逐白鹿，發現新天地的冒險故事，轟動全村。日子一天天過去，帕達木念念不忘那個美麗的地方，於是他決定帶著家人遷村，其他族人知道了，也有將近一百人跟隨帕達木，因為當初帕達木在沿途的樹木做了記號，所以他們很容易就找到了這個人間仙境。跟隨而來的族人們就推舉發現新天地的「帕達木」為邵族第一代頭目，於是帕達木在今天的日月潭珠仔山附近，一棵三十個人才抱得住的巨大「茄苳」樹下，召集族人向樹神發誓：從今而後，不論富貴或窮困，永遠不會搬離此地，只要茄苳樹長出一片新葉，邵族必增添一人。"

ge_ma_lan <- "噶瑪蘭族－冬瓜美人的傳說。從前，有一個農人發現了冬瓜的種子，他小心翼翼地把種子埋在土裡，過了幾天，長出了芽也結了果實，等到成熟要把它切開來吃的時候，竟然聽到冬瓜裡傳出「不能切」的聲音，農人嚇一跳，也不敢吃，只好放在家裡。不久，冬瓜熟透裂開，從裡面蹦出了一個女孩。農人開心地為這個女孩取名為冬瓜美人。冬瓜美人漸漸長大，而且越來越漂亮，有時候她到附近取水，一路上就有好多人向她要水，目的是為了想接近她，所以通常還沒到家容器裡已經滴水不剩、空空的了。冬瓜美人很喜歡織布，但是連她要織布，都有好多人圍在旁邊，讓她無法專心工作，因此農人想了一個方法，他在屋外做一個柵欄，而且很小心地將織布機放在蓋好的屋頂平台上，讓她在上面織布，並且叮嚀冬瓜美人要當心安全。但是有一天，冬瓜美人正專心織布的時候，織布機竟然滑下屋頂，冬瓜美人心急想去撿，結果不小心失足滑落摔死了。從這個傳說，我們可以了解以前噶瑪蘭族的年輕女子，日常生活中必須從事取水與織布的工作。而且據說織布機是一種神聖的器具，有許多禁忌，例如男人不可觸摸、平常不織布時要好好的收藏起來...等。"

tai_lu_ge <-"太魯閣族－巨人傳說。在很久以前太魯閣族人居住的地方，出現了一個很高大的巨人，叫馬威。傳說我們正常人一步的距離，他可是能從這個山頭跨到另一個山，他的腳一跺，太魯閣這個山區就被他踏出了「布洛灣」與「希拉岸」平台；聽說，花東縱谷就是被他踩來踩去才會出現這麼多的平原。這麼高大、有力量的人住在我們的周圍，一定是大家最佳的好幫手，可是事實上這個巨人並沒有好好善用他的優點專長，反而濫用造成其他人的困擾。為什麼這麼說呢？巨人利用自己又快又大的步伐，經常搶奪族人們辛苦追捕的獵物。當他看見族人在山上追趕獵物時，他的頭就貼在獵物逃跑的捷徑上，張開他的大嘴巴等著動物橫衝直撞的跑到他的嘴裡去，因此他常常可以不勞而獲的填飽肚子，但是生活在巨人周圍的人，卻時常因他而挨餓受苦，他的行為愈來愈讓人無法忍受。最後族人們終於決定團結起來反抗他，雖然大家都畏懼巨人的力量，但相信集合大家的意見一定可以想出打敗巨人的方法。經過一段時間的討論之後，族人們想出了一個冒險的計劃，並且積極著手預備。就在一個適合打獵的日子裡，族裡的勇士們到山上集合，假裝要去打獵。巨人又開始期待一頓豐盛的大餐。於是他躲到另一座山的後頭，等著動物經過。這時候族人在山上升火燒著事前準備好的圓形水晶石，巨大的水晶石燒得通紅，大家看見時機成熟了，便合力將水晶石推下山去，勇士們邊追趕著巨石邊一路喊著：「下去了！下去了！趕快追呀！」假裝真的在追趕獵物。聽見勇士們的喊叫聲和巨石滾下山的聲音，巨人很快的伸出頭來，張開他的大嘴巴和舌頭靠在山路的彎道上，預備一口氣吞下衝過來的動物。誰知，突然有一個燒燙的東西滾進了他的喉嚨，巨人痛的在地上打滾，最後滾到花東的外海，身體就淹沒在茫茫大海中，只剩下他的兩雙腳露出海面，傳說中就是現在的蘭嶼和綠島，一個巨人傳奇的一生就這樣結束了。"

sa_chi <- "撒奇萊雅族－洪水傳奇。幾千年前神明曾經告訴人們，所有的重要活動，如狩獵、初耕、收成、出草、婚喪喜慶等，都必須虔誠的祭拜，以表示對神明的尊敬及感謝之意。但由於連年豐收，人開始好逸惡勞，並認為所有的收穫都是理所當然的，因此逐漸荒廢了對祖先神明的祭祀。神明於是決定懲罰撒奇萊雅人，天上開始不斷的下雨，河水暴漲，沖垮了村莊，淹沒了土地，無數的人們也因此死亡。一位機警的頭目帶著族中的幾百人逃到奇萊雅山的峰頂而倖免於難，但與仍不停的下，幾個星期後，眼看著洪水就要淹過奇萊雅山，撒奇萊雅人還是逃不過滅種的命運。恐怖的氣氛蔓延了整個村莊，頭目宣布放棄一切掙扎，帶領全族向上天虔誠祈禱懺悔，祈求神明赦免。祈禱了一天一夜後，祭司告訴群眾他得到了神的啟示，只要用最好的祭品和一對男女來祭貢，洪水就會退去。頭目於是請族人準備了最好的祭品，並徵求自願犧牲的一對男女，將他們放在大型米篩中，由祭司推入洪水，不料他們和貢品又被洪水沖了回來，令眾人不知如何是好。祭司搖搖頭說，「神明認為他們年紀太大了！無法接受。」於是又換了一對年輕男女，還是被沖回，眾人不禁束手無策，此時水位又升高，許多人因此慘遭滅頂。頭目百般不解，祭司面帶惶恐，無奈的告訴頭目，神要的是一位年輕貌美的女孩和壯碩英俊的男孩，部落中最美的就是頭目的小女兒，只有犧牲她，才能解救族人，消退洪水。頭目的小女兒不僅清麗絕俗，家世顯赫，而且聰明伶俐，善解人意，是部落中人共同的寶貝， 正當大家猶豫時，頭目的小女兒和一位面龐俊秀的男孩不聲不響走上了米篩，兩人相視堅定的握住雙手，微笑向族人揮手告別。族人還不及反應，米篩竟自動向洪水深處流去，隨著兩人漸行漸遠，雨真的停了，眾人悲喜交集，在深沈的悲痛中，見到了雨後的第一線陽光，也看到撒奇萊雅人的未來與重生。苦難的日子結束了，劫後餘生的撒奇萊雅人離開奇萊雅山，重新回到故鄉，開墾耕種，繁衍子孫，開始撒奇萊雅人的新生活。"

sai_de_ke <- "賽德克族－白石傳說。南投縣仁愛鄉賽德克族有這樣一個傳說，族人相傳中央山脈有顆巨大的白石，賽德克族人稱Rmdax tasing，意思是發亮的石頭，是賽德克族祖先發源的地方，而且這個白石山區也是賽德克族族人狩獵的獵區。當他們在中央山脈打獵的時候，白石就像是護佑著賽德克族的靈石，因為它高高在上，如同一盞燈塔，隨時指引賽德克族人們的腳步，使族人不致迷失在廣大的中央山脈中。所以，白石山，不只是賽德克族的獵區，也是賽德克族的聖山，因為裡面有賽德克族的神石：白石Rmdax tasing。而這白石Rmdax tasing，像飛來石插在山崖上，遠看，好像牡丹花的花苞，所以，又稱牡丹岩。"

斷詞、停用詞使用

使用外部檔案作為斷詞、停用詞參數

# 初始化斷詞引擎
jieba_tokenizer <- worker(user="legend_dict.txt", stop_word = "stop_words.txt")

# 自定義斷詞函式
legend_tokenizer <- function(t) {
  lapply(t, function(x) {
    tokens <- segment(x, jieba_tokenizer)
    tokens <- tokens[nchar(tokens)>1]
    return(tokens)
  })
}

定義完成後，我們即可使用unnest_token() 進行中文斷詞了

sai_shia_tibble <- tibble(indigenous = "賽夏族", text = sai_shia)
sai_shia_tokens <- sai_shia_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

tai_ya_tibble <- tibble(indigenous = "泰雅族", text = tai_ya)
tai_ya_tokens <- tai_ya_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

bu_nung_tibble <- tibble(indigenous = "布農族", text = bu_nung)
bu_nung_tokens <- bu_nung_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

tsou_tibble <- tibble(indigenous = "鄒族", text = tsou)
tsou_tokens <- tsou_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

lu_kai_tibble <- tibble(indigenous = "魯凱族", text = lu_kai)
lu_kai_tokens <- lu_kai_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

pai_wan_tibble <- tibble(indigenous = "排灣族", text = pai_wan)
pai_wan_tokens <- pai_wan_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

bei_nan_tibble <- tibble(indigenous = "卑南族", text = bei_nan)
bei_nan_tokens <- bei_nan_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

a_mei_tibble <- tibble(indigenous = "阿美族", text = a_mei)
a_mei_tokens <- a_mei_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

ya_mei_tibble <- tibble(indigenous = "雅美族", text = ya_mei)
ya_mei_tokens <- ya_mei_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

shau_tibble <- tibble(indigenous = "邵族", text = shau)
shau_tokens <- shau_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

ge_ma_lan_tibble <- tibble(indigenous = "噶瑪蘭族", text = ge_ma_lan)
ge_ma_lan_tokens <- ge_ma_lan_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

tai_lu_ge_tibble <- tibble(indigenous = "太魯閣族", text = tai_lu_ge)
tai_lu_ge_tokens <- tai_lu_ge_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

sa_chi_tibble <- tibble(indigenous = "撒奇萊雅族", text = sa_chi)
sa_chi_tokens <- sa_chi_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

sai_de_ke_tibble <- tibble(indigenous = "賽德克族", text = sai_de_ke)
sai_de_ke_tokens <- sai_de_ke_tibble %>% 
  unnest_tokens(word, text, token=legend_tokenizer)

legend_tokens <- bind_rows(sai_shia_tokens, tai_ya_tokens, bu_nung_tokens, tsou_tokens, lu_kai_tokens, pai_wan_tokens, bei_nan_tokens, a_mei_tokens, ya_mei_tokens, shau_tokens, ge_ma_lan_tokens, tai_lu_ge_tokens, sa_chi_tokens, sai_de_ke_tokens)

字頻統計

# 計算詞彙的出現次數，如果詞彙只有一個字則不列入計算
legend_tokens_count <- legend_tokens %>%
  group_by(word) %>%
  summarise(sum = n()) %>%
  filter(sum>1) %>%
  arrange(desc(sum))

sai_shia_tokens_count <- sai_shia_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>% 
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

tai_ya_tokens_count <- tai_ya_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

bu_nung_tokens_count <- bu_nung_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

tsou_tokens_count <- tsou_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

lu_kai_tokens_count <- lu_kai_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

pai_wan_tokens_count <- pai_wan_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

bei_nan_tokens_count <- bei_nan_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

a_mei_tokens_count <- a_mei_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

ya_mei_tokens_count <- ya_mei_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

shau_tokens_count <- shau_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

ge_ma_lan_tokens_count <- ge_ma_lan_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

tai_lu_ge_tokens_count <- tai_lu_ge_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

sa_chi_tokens_count <- sa_chi_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

sai_de_ke_tokens_count <- sai_de_ke_tokens %>% 
  filter(nchar(.$word)>1) %>%
  group_by(indigenous, word) %>% 
  summarise(sum = n()) %>%  
  ungroup() %>% 
  #filter(sum>10) %>%
  arrange(desc(sum))

# 印出最常見的20個詞彙
head(sai_shia_tokens_count, 20)

## # A tibble: 20 x 3
##    indigenous word       sum
##    <chr>      <chr>    <int>
##  1 賽夏族     矮黑人      14
##  2 賽夏族     賽夏族       8
##  3 賽夏族     頭目         8
##  4 賽夏族     矮靈         6
##  5 賽夏族     嘎歷         6
##  6 賽夏族     打獵         3
##  7 賽夏族     生活         3
##  8 賽夏族     勇士         3
##  9 賽夏族     族人         3
## 10 賽夏族     百步蛇       2
## 11 賽夏族     幫忙         2
## 12 賽夏族     不到         2
## 13 賽夏族     誠心誠意     2
## 14 賽夏族     懲罰         2
## 15 賽夏族     豐收         2
## 16 賽夏族     耕種         2
## 17 賽夏族     過去         2
## 18 賽夏族     回答         2
## 19 賽夏族     獵物         2
## 20 賽夏族     每年         2

字頻統計比較圖

sai_shia_t <- head(sai_shia_tokens_count, 10)
tai_ya_t <- head(tai_ya_tokens_count, 10)
bu_nung_t <- head(bu_nung_tokens_count, 10)
tsou_t <- head(tsou_tokens_count, 10)
lu_kai_t <- head(lu_kai_tokens_count, 10)
pai_wan_t <- head(pai_wan_tokens_count, 10)
bei_nan_t <- head(bei_nan_tokens_count, 10)
a_mei_t <- head(a_mei_tokens_count, 10)
ya_mei_t <- head(ya_mei_tokens_count, 10)
shau_t <- head(shau_tokens_count, 10)
ge_ma_lan_t <- head(ge_ma_lan_tokens_count, 10)
tai_lu_ge_t <- head(tai_lu_ge_tokens_count, 10)
sa_chi_t <- head(sa_chi_tokens_count, 10)
sai_de_ke_t <- head(sai_de_ke_tokens_count, 10)

legend_a_t <- bind_rows(sai_shia_t, tai_ya_t)
legend_b_t <- bind_rows(bu_nung_t, tsou_t)
legend_c_t <- bind_rows(lu_kai_t, shau_t)
legend_d_t <- bind_rows(bei_nan_t, a_mei_t)
legend_e_t <- bind_rows(ya_mei_t, pai_wan_t)
legend_f_t <- bind_rows(ge_ma_lan_t, tai_lu_ge_t)
legend_g_t <- bind_rows(sa_chi_t, sai_de_ke_t)

legend_all_t <- bind_rows(legend_a_t, legend_b_t, legend_c_t, legend_d_t, legend_e_t, legend_f_t, legend_g_t)

legend_a_t%>%  
  ggplot(aes(reorder(word, sum), sum)) +
  geom_col(show.legend = FALSE) +
  facet_wrap(~indigenous, scales = "free_y", ncol = 7) +
  labs(y = "原住民族",x = "字詞") +
  theme(text=element_text(size=16)) +
  theme(text = element_text(family = "Heiti TC Light")) +
  coord_flip()

文字雲

select(sai_shia_tokens_count, word, sum) %>% wordcloud2()

# select(tai_ya_tokens_count, word, sum) %>% wordcloud2()
# select(bu_nung_tokens_count, word, sum) %>% wordcloud2()
# select(tsou_tokens_count, word, sum) %>% wordcloud2()
# select(lu_kai_tokens_count, word, sum) %>% wordcloud2()
# select(pai_wan_tokens_count, word, sum) %>% wordcloud2()
# select(bei_nan_tokens_count, word, sum) %>% wordcloud2()
# select(a_mei_tokens_count, word, sum) %>% wordcloud2()
# select(ya_mei_tokens_count, word, sum) %>% wordcloud2()
# select(shau_tokens_count, word, sum) %>% wordcloud2()
# select(ge_ma_lan_tokens_count, word, sum) %>% wordcloud2()
# select(tai_lu_ge_tokens_count, word, sum) %>% wordcloud2()
# select(sai_de_ke_tokens_count, word, sum) %>% wordcloud2()

伊利亞德 vs. 奧德賽

從gutenberg上下載書籍內容，並作斷詞與章節標注

Gutenberg free eBooks

https://www.gutenberg.org/

iliad <- gutenberg_download(6130) %>% filter(text!="")

## Determining mirror for Project Gutenberg from http://www.gutenberg.org/robot/harvest

## Using mirror http://aleph.gutenberg.org

iliad$text[11:34] <- ""
iliad <- iliad %>% filter(text!="")

iliad <- iliad %>% 
  mutate(chapter = cumsum(str_detect(.$text, regex("^BOOK (XC|XL|L?X{0,3})(IX|IV|V?I{0,3})\\.$"))))

iliad_tokens <- iliad %>%
  unnest_tokens(word, text)

ody <- gutenberg_download(1727) %>% filter(text!="") %>% distinct(gutenberg_id, text)

ody <- ody %>% 
  mutate(chapter = cumsum(str_detect(.$text, regex("^Book (XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$"))))

ody_tokens <- ody %>%
  unnest_tokens(word, text)

停用詞

data(stop_words)
iliad_tokens <- iliad_tokens %>% 
  anti_join(stop_words)

## Joining, by = "word"

ody_tokens <- ody_tokens %>% 
  anti_join(stop_words)

## Joining, by = "word"

all_tokens <- bind_rows(iliad_tokens, ody_tokens)

詞頻統計

iliad_tokens_count <- iliad_tokens %>%
  count(word, sort = TRUE) %>% 
  filter(n>30) %>% 
  filter(word != "thy" & word != "thou") %>% 
  mutate(bookname = "iliad")

ody_tokens_count <- ody_tokens %>%
  count(word, sort = TRUE) %>% 
  filter(n>30) %>% 
  filter(word != "till") %>% 
  mutate(bookname = "odyssey")

all_tokens_count <- all_tokens %>% 
  count(word, sort = TRUE) %>% 
  filter(n>30) %>% 
  mutate(bookname = "Homer")

使用詞前十名比較

i_o_t <- bind_rows(iliad_tokens_count, ody_tokens_count) %>% filter(bookname != "odyssey" | word != "gods")
  
i_o_t%>%  
  group_by(bookname) %>% 
  top_n(10, n) %>% 
  ggplot(aes(reorder(word, n), n)) +
  geom_col(show.legend = FALSE) +
  facet_wrap(~bookname, scales = "free_y") +
  labs(y = "書名",x = "字詞") +
  theme(text=element_text(size=16)) +
  theme(text = element_text(family = "Heiti TC Light")) +
  coord_flip()

伊利亞德中，因為主體為描述戰爭，常出現的字有arms(武器)、war(戰爭)，另外也出現多名主要人物的名字：Achilles、Hector、jove，以及通篇故事圍繞的爭鬥地點tory(特洛伊城)。

奧德賽中，故事主體為希臘英雄奧德修斯(Ulysses)在特洛伊陷落後返鄉的故事。因在十年特洛依戰爭結束後，奧德修斯又漂泊了十年，才回到了故鄉。人們認為他已經死去，而他的妻子珀涅羅珀和兒子(son)鐵拉馬庫斯(Telemachus)必須面對一群放肆的求婚者(suitors)，這些人相互競爭，以求與珀涅羅珀成婚。從以上的內容可簡單的解釋奧德賽中前十名的用詞。

主要人物出現章節比較

tokens_achilles <- iliad_tokens %>% 
  filter(.$word == "achilles") %>% 
  group_by(chapter, word) %>% 
  summarise(count = n())

tokens_hector <- iliad_tokens %>% 
  filter(.$word == "hector") %>% 
  group_by(chapter, word) %>% 
  summarise(count = n())

iliad_major_name_compare_plot <- 
  bind_rows(tokens_achilles, tokens_hector) %>%
  ggplot(aes(x = chapter, y=count, fill=word)) +
  geom_col(show.legend = F) +
  facet_wrap(~word, ncol = 1) + 
  #ggtitle("「Achilles」vs.「Hector」") + 
  xlab("Chapter") + 
  ylab("出現次數") + 
  theme(text = element_text(family = "Heiti TC Light"))
iliad_major_name_compare_plot

文字雲

# select(iliad_tokens_count, word, n) %>% wordcloud2()
select(ody_tokens_count, word, n) %>% wordcloud2()

兩本書使用字詞頻率比較

frequency <- bind_rows(mutate(iliad_tokens, bookname = "iliad"),
                       mutate(ody_tokens, bookname = "odyssey")) %>% 
  mutate(word = str_extract(word, "[a-z']+")) %>%
  count(bookname, word) %>%
  group_by(bookname) %>%
  mutate(proportion = n / sum(n)) %>% 
  select(-n) %>% 
  spread(bookname, proportion) %>% 
  gather(bookname, proportion, `odyssey`)

繪出圖表

ggplot(frequency, aes(x = proportion, y = `iliad`, color = abs(`iliad` - proportion))) +
  geom_abline(color = "gray40", lty = 2) +
  geom_jitter(alpha = 0.1, size = 2.5, width = 0.3, height = 0.3, na.rm = T) +
  geom_text(aes(label = word), check_overlap = TRUE, vjust = 1.5, na.rm = T) +
  scale_x_log10(labels = percent_format()) +
  scale_y_log10(labels = percent_format()) +
  scale_color_gradient(limits = c(0, 0.001), low = "darkslategray4", high = "gray75") +
  theme(legend.position="none") +
  labs(y = "Iliad", x = "Odyssey")

原住民傳說 vs. 荷馬史詩 詞頻比較

c_legend_tokens_count <- legend_tokens_count
colnames(c_legend_tokens_count) <- c("word", "n")
c_legend_tokens_count <- c_legend_tokens_count %>% 
  mutate(bookname = "原住民傳說")

all_bind <- bind_rows(c_legend_tokens_count, all_tokens_count)
                      
all_bind%>%  
  filter(word != "thy") %>% 
  group_by(bookname) %>% 
  top_n(10, n) %>% 
  ggplot(aes(reorder(word, n), n)) +
  geom_col(show.legend = FALSE) +
  facet_wrap(~bookname, scales = "free") +
  labs(y = "分類",x = "字詞") +
  theme(text=element_text(size=16)) +
  theme(text = element_text(family = "Heiti TC Light")) +
  coord_flip()

由結果我們可以看出，原住民傳說中最常使用的字詞有族人、頭目等，可見其故事主體多數聚焦於民族本體，另外因為資料量不夠大，導致特定族群傳說的人名也出現在前十名之中，若各原住民族的資料量增加，應能解決這個問題。