社群媒體分析期末報告-從陸劇探討如何創造熱門話題
N074220004(許文杰)、N074220018(李翊琦)、N074220019(王雅莉)、N074220026(王冠懿)
2020/6/15
#一、 動機及分析目的： 在社群媒體分析的課程中，我們學會了關於文本分析的技巧，也學會了如何進行社群媒體的分析，這次我們希望能利用所學，用最貼近平民生活的電視劇，來分析及探討什麼樣的發文最能吸引大家的回覆。
#二、前置：環境設定及資料集載入
(一)載入packages
library(readr)
library(jiebaR)## Loading required package: jiebaRDlibrary(tidyr)
library(tidytext)
library(igraph)##
## Attaching package: 'igraph'## The following object is masked from 'package:tidyr':
##
## crossing## The following objects are masked from 'package:stats':
##
## decompose, spectrum## The following object is masked from 'package:base':
##
## unionlibrary(topicmodels)
library(stringr)
library(ggplot2)
library(purrr)##
## Attaching package: 'purrr'## The following objects are masked from 'package:igraph':
##
## compose, simplifyrequire(tm)## Loading required package: tm## Loading required package: NLP##
## Attaching package: 'NLP'## The following object is masked from 'package:ggplot2':
##
## annotaterequire(data.table)## Loading required package: data.table##
## Attaching package: 'data.table'## The following object is masked from 'package:purrr':
##
## transposerequire(dplyr)## Loading required package: dplyr##
## Attaching package: 'dplyr'## The following objects are masked from 'package:data.table':
##
## between, first, last## The following objects are masked from 'package:igraph':
##
## as_data_frame, groups, union## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionrequire(stringr)
require(udpipe)## Loading required package: udpiperequire(LDAvis)## Loading required package: LDAvisrequire(wordcloud2)## Loading required package: wordcloud2require(webshot)## Loading required package: webshotrequire(htmlwidgets)## Loading required package: htmlwidgetsrequire(servr)## Loading required package: servrrequire(ramify)## Loading required package: ramify##
## Attaching package: 'ramify'## The following object is masked from 'package:webshot':
##
## resize## The following object is masked from 'package:purrr':
##
## flatten## The following object is masked from 'package:tidyr':
##
## fill## The following object is masked from 'package:graphics':
##
## cliprequire(RColorBrewer)## Loading required package: RColorBrewerlibrary(caTools)
library(caret)## Loading required package: lattice##
## Attaching package: 'caret'## The following object is masked from 'package:purrr':
##
## liftlibrary(rpart)
library(rpart.plot)
library(e1071)
library(textstem)## Loading required package: koRpus.lang.en## Loading required package: koRpus## Loading required package: sylly## For information on available language packages for 'koRpus', run
##
## available.koRpus.lang()
##
## and see ?install.koRpus.lang()##
## Attaching package: 'koRpus'## The following object is masked from 'package:readr':
##
## tokenizelibrary(topicmodels)
library(DT)
library(knitr)(二)設定斷詞
(三)資料集說明：
(1)資料來源：以中山大學文字處理平台抓取PTT資料三個聊天版，共抓取四部陸劇：如懿傳、延禧攻略、甄嬛傳、步步驚心
(2)如懿傳：692筆、延禧攻略513筆、甄嬛傳362筆、步步驚心63筆，共1,630筆
Ruyi_china_drama_articleMetaData <- read_csv("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/data/Ruyi-china drama_articleMetaData.csv")
Ruyi_articleMetaData <- read_csv("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/data/Ruyi_articleMetaData.csv")
Ruoxi_articleMetaData <- read_csv("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/data/Ruoxi_articleMetaData.csv")
Yanxi_articleMetaData <- read_csv("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/data/Yanxi_articleMetaData.csv")
Yanxi_china_drama_articleMetaData <- read_csv("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/data/Yanxi_chinadrama_articleMetaData.csv")
Zhenhuan_articleMetaData <- read_csv("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/data/Zhenhuan_articleMetaData.csv")
drama_article <- rbind(Ruyi_china_drama_articleMetaData,Ruyi_articleMetaData,Ruoxi_articleMetaData,Yanxi_articleMetaData,Yanxi_china_drama_articleMetaData,Zhenhuan_articleMetaData)(四)去掉重複文章，共1450筆
drama_article <- drama_article %>% group_by(artUrl, artTitle ,artDate , artTime , artPoster ,artCat , commentNum ,push ,boo,sentence) %>%
count() %>%
select(-n) %>%
ungroup()#三、特徵處理：
1.以Topic Model取Beta值： 1-1：將資料轉換為Document Term Matrix (DTM)
drama_article_tokens <- drama_article %>%
unnest_tokens(word , sentence , token = Book_tokenizer) %>%
filter(!str_detect(word, regex("[0-9a-zA-Z]")))
drama_article_tokens## # A tibble: 301,446 x 10
## artUrl artTitle artDate artTime artPoster artCat commentNum push boo
## <chr> <chr> <date> <time> <chr> <chr> <dbl> <dbl> <dbl>
## 1 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 2 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 3 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 4 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 5 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 6 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 7 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 8 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 9 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## 10 https~ Re:[閒聊]~ 2014-11-08 18:11:29 marcus40 China~ 23 8 0
## # ... with 301,436 more rows, and 1 more variable: word <chr>drama_article_words <- drama_article_tokens %>%
count(artUrl, word, sort = TRUE)drama_article_dtm <- drama_article_words %>% cast_dtm(artUrl , word, n)
drama_article_dtm## <<DocumentTermMatrix (documents: 1450, terms: 43469)>>
## Non-/sparse entries: 213214/62816836
## Sparsity : 100%
## Maximal term length: 11
## Weighting : term frequency (tf)inspect(drama_article_dtm[1:10,1:10])## <<DocumentTermMatrix (documents: 10, terms: 10)>>
## Non-/sparse entries: 56/44
## Sparsity : 44%
## Maximal term length: 3
## Weighting : term frequency (tf)
## Sample :
## Terms
## Docs 于 如懿 皇上 皇帝
## https://www.ptt.cc/bbs/China-Drama/M.1532872951.A.752.html 0 0 24 0
## https://www.ptt.cc/bbs/China-Drama/M.1539014029.A.1A8.html 2 0 5 16
## https://www.ptt.cc/bbs/China-Drama/M.1539164993.A.F8B.html 0 77 8 3
## https://www.ptt.cc/bbs/China-Drama/M.1549885126.A.40B.html 0 35 1 64
## https://www.ptt.cc/bbs/China-Drama/M.1550492467.A.B64.html 0 25 1 66
## https://www.ptt.cc/bbs/China-Drama/M.1551700115.A.4A2.html 0 49 1 62
## https://www.ptt.cc/bbs/China-Drama/M.1552300499.A.E89.html 0 49 1 75
## https://www.ptt.cc/bbs/China-Drama/M.1552907104.A.FE1.html 0 54 2 55
## https://www.ptt.cc/bbs/China-Drama/M.1553511885.A.21B.html 0 56 2 67
## https://www.ptt.cc/bbs/China-Drama/M.1553854408.A.557.html 0 45 2 65
## Terms
## Docs 凌雲 甄 嬛 魏瓔珞
## https://www.ptt.cc/bbs/China-Drama/M.1532872951.A.752.html 0 1 3 6
## https://www.ptt.cc/bbs/China-Drama/M.1539014029.A.1A8.html 0 2 5 9
## https://www.ptt.cc/bbs/China-Drama/M.1539164993.A.F8B.html 3 1 1 0
## https://www.ptt.cc/bbs/China-Drama/M.1549885126.A.40B.html 9 0 0 0
## https://www.ptt.cc/bbs/China-Drama/M.1550492467.A.B64.html 12 0 0 0
## https://www.ptt.cc/bbs/China-Drama/M.1551700115.A.4A2.html 7 0 0 0
## https://www.ptt.cc/bbs/China-Drama/M.1552300499.A.E89.html 1 1 1 0
## https://www.ptt.cc/bbs/China-Drama/M.1552907104.A.FE1.html 62 0 0 0
## https://www.ptt.cc/bbs/China-Drama/M.1553511885.A.21B.html 7 0 0 0
## https://www.ptt.cc/bbs/China-Drama/M.1553854408.A.557.html 7 0 0 0
## Terms
## Docs 嬿婉 瓔珞
## https://www.ptt.cc/bbs/China-Drama/M.1532872951.A.752.html 0 83
## https://www.ptt.cc/bbs/China-Drama/M.1539014029.A.1A8.html 0 88
## https://www.ptt.cc/bbs/China-Drama/M.1539164993.A.F8B.html 3 0
## https://www.ptt.cc/bbs/China-Drama/M.1549885126.A.40B.html 29 0
## https://www.ptt.cc/bbs/China-Drama/M.1550492467.A.B64.html 29 0
## https://www.ptt.cc/bbs/China-Drama/M.1551700115.A.4A2.html 66 0
## https://www.ptt.cc/bbs/China-Drama/M.1552300499.A.E89.html 8 0
## https://www.ptt.cc/bbs/China-Drama/M.1552907104.A.FE1.html 17 0
## https://www.ptt.cc/bbs/China-Drama/M.1553511885.A.21B.html 30 0
## https://www.ptt.cc/bbs/China-Drama/M.1553854408.A.557.html 46 0dim(drama_article_dtm)## [1] 1450 434691-2：尋找看看最適當的主題數
drama_article_ldas = c()
topics = c(2,3,5,6,7)
for(topic in topics){
start_time <- Sys.time()
drama_article_lda <- LDA(drama_article_dtm, k = topic, control = list(seed = 123))
drama_article_ldas =c(drama_article_ldas,drama_article_lda)
print(paste(topic ,paste("topic(s) and use time is ", Sys.time() -start_time)))
save(drama_article_ldas,file = "drama_article_ldas_result")
}## [1] "2 topic(s) and use time is 23.2824251651764"
## [1] "3 topic(s) and use time is 35.9583370685577"
## [1] "5 topic(s) and use time is 1.60461778243383"
## [1] "6 topic(s) and use time is 2.06127586364746"
## [1] "7 topic(s) and use time is 2.39275696277618"載入每個主題的LDA結果
load("drama_article_ldas_result")使用perplexith方式後，決定以5個主題數進行
topics = c(2,3,5,6,7)
data_frame(k = topics,
perplex = map_dbl(drama_article_ldas, topicmodels::perplexity)) %>%
ggplot(aes(k, perplex)) +
geom_point() +
geom_line() +
labs(title = "Evaluating LDA topic_king models",
subtitle = "Optimal number of topics (smaller is better)",
x = "Number of topics",
y = "Perplexity")## Warning: `data_frame()` is deprecated, use `tibble()`.
## This warning is displayed once per session.
以擷取beta值作為特徵1~5
drama_article_lda = drama_article_ldas[[3]] ## 選定topic 為 5 的結果
drama_article_topics <- tidy(drama_article_lda, matrix = "beta") # 在tidy function裡面使用"beta"來取出Phi矩陣。
drama_article_topics## # A tibble: 217,345 x 3
## topic term beta
## <int> <chr> <dbl>
## 1 1 瓔珞 1.05e- 3
## 2 2 瓔珞 1.72e- 2
## 3 3 瓔珞 3.68e- 4
## 4 4 瓔珞 5.03e-37
## 5 5 瓔珞 3.57e-15
## 6 1 如懿 1.02e- 2
## 7 2 如懿 4.67e- 3
## 8 3 如懿 6.65e- 4
## 9 4 如懿 2.73e- 2
## 10 5 如懿 8.30e- 5
## # ... with 217,335 more rows1-3：設定主題
mycolors <- colorRampPalette(brewer.pal(8, "Set3"))(20)
drama_article_terms <- drama_article_topics %>%
group_by(topic) %>%
top_n(15, beta) %>%
ungroup() %>%
arrange(topic, -beta)
drama_article_terms %>%
mutate(term = reorder(term, beta)) %>%
ggplot(aes(term, beta, fill = factor(topic))) +
geom_col(show.legend = FALSE) +
scale_fill_manual(values = mycolors)+
facet_wrap(~ topic, scales = "free") +
coord_flip()
移除常出現、跨主題共同的詞彙
drama_remove_word = c("覺得","一個","皇上","皇后","真的","乾隆","喜歡","喜歡","最後","甄嬛","比較","如懿傳","皇帝","看到","劇情","應該","攻略","角色","知道","一直","如懿","華妃","感覺","已經","有點","","","","","","","","")drama_article_terms <- drama_article_topics %>%
filter(!term %in% drama_remove_word , nchar(term)>1) %>%
group_by(topic) %>%
top_n(15, beta) %>%
ungroup() %>%
arrange(topic, -beta)
drama_article_terms %>%
mutate(term = reorder(term, beta)) %>%
ggplot(aes(term, beta, fill = factor(topic))) +
geom_col(show.legend = FALSE) +
scale_fill_manual(values=mycolors)+
facet_wrap(~ topic, scales = "free") +
coord_flip()
drama_article_terms %>% count(term, sort = TRUE)## # A tibble: 65 x 2
## term n
## <chr> <int>
## 1 太后 3
## 2 小說 2
## 3 不知道 2
## 4 之後 2
## 5 周迅 2
## 6 阿哥 2
## 7 建華 2
## 8 貴人 2
## 9 演員 2
## 10 一下 1
## # ... with 55 more rows去除各主題共同字後，命名5個主題為actor(演員)、Ruyi_drama(如懿傳)、news(周邊新聞)、Zhenhuan_drama(甄嬛傳)、role(角色)
drama_article_topic_name = c('topic_actor','topic_Ruyi_drama','topic_news','topic_Zhenhuan_drama','topic_role')drama_article_tmResult <- posterior(drama_article_lda)
drama_article_pro <- drama_article_tmResult$topics
dim(drama_article_pro) # nDocs(DTM) distributions over K topics## [1] 1450 5# get document topic proportions
drama_article_topics <- drama_article_pro[drama_article$artUrl,]
drama_article_topics_df = data.frame(drama_article_topics)
colnames(drama_article_topics_df) = drama_article_topic_name
rownames(drama_article_topics_df) = NULL
drama_article_new_topic = cbind(drama_article,drama_article_topics_df)
drama_article_new_topic %>% head(10)## artUrl
## 1 https://www.ptt.cc/bbs/China-Drama/M.1415470292.A.575.html
## 2 https://www.ptt.cc/bbs/China-Drama/M.1417601811.A.2E6.html
## 3 https://www.ptt.cc/bbs/China-Drama/M.1417952654.A.D09.html
## 4 https://www.ptt.cc/bbs/China-Drama/M.1418565689.A.155.html
## 5 https://www.ptt.cc/bbs/China-Drama/M.1418915314.A.CFD.html
## 6 https://www.ptt.cc/bbs/China-Drama/M.1420720419.A.E44.html
## 7 https://www.ptt.cc/bbs/China-Drama/M.1420731308.A.B45.html
## 8 https://www.ptt.cc/bbs/China-Drama/M.1421261867.A.E45.html
## 9 https://www.ptt.cc/bbs/China-Drama/M.1421335264.A.BB7.html
## 10 https://www.ptt.cc/bbs/China-Drama/M.1422542563.A.690.html
## artTitle artDate artTime
## 1 Re:[閒聊]蘭陵王-鄭兒跟後宮甄嬛傳-甄嬛的能力高低 2014-11-08 18:11:29
## 2 [心得]如何訓練荷蘭人看甄嬛傳 2014-12-03 10:16:48
## 3 [問題]關於步步驚心ＤＶＤ 2014-12-07 11:44:08
## 4 [問題]甄嬛原聲帶(可以幫我看是哪一首嗎) 2014-12-14 14:01:27
## 5 [閒聊]美版甄嬛傳片頭華麗曝光即將登陸HBO播出 2014-12-18 15:08:28
## 6 [新聞]林<U+5CEF>張曉龍《陸小鳳與花滿樓》基情滿滿 2015-01-08 12:33:36
## 7 [問題]步步驚心的某首配樂 2015-01-08 15:35:06
## 8 [閒聊]重看甄嬛傳 2015-01-14 18:57:45
## 9 [閒聊]看了甄嬛再看其他古裝劇... 2015-01-15 15:20:59
## 10 [新聞]陳意涵新版若曦曝光！網友「鬼新娘」 2015-01-29 14:42:35
## artPoster artCat commentNum push boo
## 1 marcus40 China_Drama 23 8 0
## 2 sleepingbaby China_Drama 11 8 0
## 3 Dreamkids China_Drama 14 8 0
## 4 ckqueen China_Drama 1 1 0
## 5 chenyu4700 China_Drama 22 21 0
## 6 djdotut China_Drama 14 10 0
## 7 cv77811 China_Drama 19 12 0
## 8 pccu80825 China_Drama 32 13 0
## 9 jessieQ China_Drama 145 74 0
## 10 Dreamkids China_Drama 67 46 0
## sentence
## 1 我也覺得這討論等級差太多\n\n我到想到一個跟甄嬛類似的角色\n\n那就是美人心計的竇漪房\n\n一樣都是小小地位爬到太后\n\n竇漪房甚至是太皇太后(甄嬛最久就是能太后 誰叫乾隆活那麼久)\n\n這兩部個人都覺得很經典\n\n也覺得這兩角色都是極具智慧的角色\n\n一樣的美人\n\n一樣一開始的單純\n\n到最後的都是能獨單一面的主角\n\n差別就是一個是死忠踏地的愛皇上\n\n一個就不是了\n\n只是比較起來竇漪房後宮對手其實不多\n\n但也是整部都沒冷掉的戲\n\n也很想跟大家討論\n\n如果今天竇漪房是甄嬛的角色\n\n會是什麼樣的結果\n\n這兩人的智勇 到底是哪位較高呢?\n\n\n\n
## 2 圖文好讀版：\nhttp://kitchuitaiwan.blogspot.nl/2014/11/blog-post_28.html\n＜＜原文於2014年11月11日刊登於云閱讀＞＞\n\n台灣瘋歐美劇的人不少，雖然東西方文化的差異甚大，但至少在我們包山包海的教育方\n式下，也讓我們對西方文化有著一定的接觸和認識；因此在看歐美劇時，至少對我個人\n而言，文化的衝擊不算太大。原本以為這種本土和世界文化史觀並重的教育體系是普世\n皆然的系統；然而和一些歐洲朋友閒聊後才發現，歹痔恩係 憨人想得那麼簡單！以我\n取得、不具統計效力的歐洲小樣本來說，在歷史地理兩個領域中，皆是以本國為主，再\n加上些許歐洲其它國家的簡單文史而已。其它和本國較無關的亞洲、美洲等等文史，對\n這些歐洲人來說，可以說是模糊的一大片（註一）。是以，在我的超隨便田野調查後，\n我突然發現自己好有世界觀哦！在台灣填鴨 式教育數十年的濡染之下，我可是具備了收\n看歐美劇無礙的另類出走能力哦！這可是真真切切的與國際無縫接軌呢！什麼都可以輸\n，就是看電視的能力不能不如人啊！\n\n 那麼對自以為身在世界中心卻只知歐洲文史，對於他國文史不甚了解的某些歐洲人\n來說，在觀看中國古代宮廷劇時，到底會不會產生文化障礙呢？於是作者我極具用心的\n找了個荷蕃來和蕃一下，邀我的荷蘭朋友一起觀看有無數矯情賤人的《後宮甄嬛傳》。\n像《冰與火之歌：權力遊戲》 那樣以歐洲中古世紀為背景的奇幻劇，老娘都可以看得津\n津有味了，叫個老外看個《甄嬛傳》，應該也不算過份吧！因此我千辛萬苦的幫他在網路\n上找到英文字幕，＼再搭配我的不負責任解文化解說，就這樣慢慢的看，也從貴人看到\n莞嬪，再過幾天就要封妃了！而看影集時，我要解釋的內容，從三跪九叩的數字三和九\n怎麼來，到劇中所出現的各種花卉花語，我都得好好的解析一番。但在這樣強力的洗腦\n下，我朋友果然對中國文化有了深入的認識。像是他也想要每天有很多牌子可以翻啦！\n哪 裡他也可以買一台?鑾春恩車來接他的妃子們一起共渡春宵啦！最重要的是，他也學\n會說一兩句中文囉！\n\n 有一天他笑咪咪的看著我說：「我會講一句中文哦！」\n\n 「哦！真的嗎？快說來聽聽吧！」我欣慰的看著他說。\n\n 真不枉費我花那麼時間做即席口譯及文化解說；果然番邦之人仍是有可教之徒的！\n於是他開開心心的用著標準外國人腔的中文說了這麼一句：\n\n 「都起來吧！」\n\n 說完還興高采烈的問我這句是什麼意思！他接著很認真的說，因為劇中人一天到晚\n都在講這句話，所以他就自然而然的學起來了！唉！皇上，是這樣也沒錯；但是裡面的\n人也一天到晚都在叫「娘娘」啊？你怎麼就學不會叫我聲娘娘呢？\n\n我在荷蘭的台灣朋友，聽到我教該荷蘭友人看甄嬛傳後，火速送了前陣子在台灣紅到不\n行的「朕知道了」膠帶，當作他學會說「都起來吧！」的賀禮。收 到禮物的他，不但喜\n滋滋的把膠帶貼在行李箱上當裝飾，今年夏天就開開心心的拖著「朕知道了」出門去旅\n行；閒暇之餘，更是不斷的在我面前複習「都起來吧！」、「朕知道了」兩句話！弄得\n我跪安也不是，領旨也不是，一整個只想去碎月軒好好待著，閉門思過！\n\n 另外荷蘭語中，很有名而外國人不易學成的一個音素， ──小舌擦音 (uvular\nfricative)，文雅的解釋，這個音叫「喉音」；講白了，就是吐痰時發的聲音！因此這\n位荷蘭皇帝常被我笑，說他講話一直吐痰是怎樣？有病就要去看醫生啊！而在我的長久\n訕笑之下，有天他在看甄嬛傳時，突然很開心的指著銀幕上猛翻白眼的華妃說：\n\n 「你聽聽看！華妃講話也有喉音啊！所以又不是只有我們荷蘭人講話會吐痰！你們\n講中文的也會啊！（註二）」\n\n 從此之後，只要華妃在銀幕上一開口，他就會在下面一直發吐痰音以示找到知已，\n還敦促我快練習荷文裡的吐痰音，還很有信心的鼓勵我：華妃行，你也行的！待華妃一\n頭撞死後，更是無限惋惜的表示，再也聽不到華妃親切的鄉音，真是太可惜了！\n\n 在我的苦心栽培之下，我造就了一個只會說「你好」、「朕知道了」和「都起來吧\n！」，而且天天想翻牌子兼叫我一直吐痰的荷蘭人；但這位荷蘭皇帝也 藉由觀看甄嬛傳\n，觀察到中國／台灣文化中許多異於西方文化之處。舉例來說，戲中人常以隱喻、譬喻\n法來對話，對向來講話直白的荷蘭人來說，常搞不清楚話裡真 正的涵意。所以他常常看\n一半就問我：為什麼現在又在講花呢？為什麼又在講歷史故事呢？在諸多解釋後，他終\n於明白劇中人的說話哲學與藝術。現在只要看到皇帝 要以政事詢問甄嬛意見時，他馬\n上就會說：又要以古諷今了厚！只可惜，在現實生活中，他仍是不改荷蘭人說話直\n白（目）特色，像是一見面就立馬指著我的新褲子說：\n\n 「你今天穿這條褲子，看起來腿很粗說！」\n\n 「看起來腿很粗說！」\n 「看起來腿很粗說！」\n 「看起來腿很粗說！」\n 「看起來腿很粗說！」\n\n 此外，像是我們會因身份地位的不同，而對他人有不同的稱謂；譬如，天子雖為全\n國地位最尊貴的人，但天子的父母，在某方面來說，地位仍是凌駕於天子之上，故所有\n的人都要尊稱天子為「皇上」，只有太后能使用「皇帝」這個稱謂。光是這樣稱謂的不\n同，讓他得以對傳統中國／台灣社會中的君臣階級制度和家族模式，有了更深入的理解\n，也比較能夠感同身受，身為一個台灣人，身上所承受的家庭期待和壓力。\n\n 總結的來說，我所遇到的歐洲人，大部份都對東方文化所知有限；因此若要讓他們\n看歷史宮廷戲時，一般而言，都需要大量的解說並輔以優質的翻譯，才 能夠讓他們真\n正的理解劇中內容，難度比我們看歐美劇時大上許多，但並非不可能之事！雖說以電視\n劇作文化教材是有許多可議之處，但若純粹以文化交流的角度來 說，倒也不失為一個\n輕鬆而有趣的方式。台灣人瘋歐美日韓劇多年，那麼，什麼時候，台灣也能拍出自己的\n通俗代表作，與各國和蕃一下，讓其它國家的人更了解台 灣文化，在遇到台灣人時，\n都能說上一句：「呷飽沒？」而不是只會問我們：\n\n 「你說你是泰國人？」\n 「你們吃狗肉厚？」\n\n\n 作者註一：我也曾遇過許多上知天文下知地理的歐洲朋友；他們不但知道中國和台\n 灣在現今的微妙關係，連蔣介石和國共內戰的歷史都說得比我清楚。但\n 這類的朋友，多半是因自己興趣而自行鑽研這方面的知識，絕大多數非\n 從高中以前的正統教育體系裡習得的。\n\n 作者註二：像是「很好」的「很」：如果發ㄏ音時，不只是發氣音，連喉頭聲帶一\n 起震動，發出吐痰一樣聲音，就是小舌擦音。一般而言，台灣人要發這\n 個音 並不會太困難，只是在中文裡，兩種發音並不用來區別字義，只是\n 口音或個人說話方式上的變化而己。但在荷文裡，則具有區別字義的作\n 用。有興趣的讀者，可參考 維基中的解釋（荷文中的g發音、喉音）\n\n 此外，像是我們會因身份地位的不同，而對他人有不同的稱謂；譬如，天子雖為全國\n地位最尊貴的人，但天子的父母，在某方面來說，地位仍是凌駕於天子之上，故所有的人\n都要尊稱天子為「皇上」，只有太后能使用「皇帝」這個稱謂。光是這樣稱謂的不同，讓\n他得以對傳統中國／台灣社會中的君臣階級制度和家族模式，有了更深入的理解，也比較\n能夠感同身受，身為一個台灣人，身上所承受的家庭期待和壓力。\n\n 總結的來說，我所遇到的歐洲人，大部份都對東方文化所知有限；因此若要讓他們看\n歷史宮廷戲時，一般而言，都需要大量的解說並輔以優質的翻譯，才 能夠讓他們真正的\n理解劇中內容，難度比我們看歐美劇時大上許多，但並非不可能之事！雖說以電視劇作文\n化教材是有許多可議之處，但若純粹以文化交流的角度來 說，倒也不失為一個輕鬆而有\n趣的方式。台灣人瘋歐美日韓劇多年，那麼，什麼時候，台灣也能拍出自己的通俗代表作\n，與各國和蕃一下，讓其它國家的人更了解台 灣文化，在遇到台灣人時，都能說上一句\n：「呷飽沒？」而不是只會問我們：\n\n 「你說你是泰國人？」\n 「你們吃狗肉厚？」\n\n\n 作者註一：我也曾遇過許多上知天文下知地理的歐洲朋友；他們不但知道中國和台灣\n在現今的微妙關係，連蔣介石和國共內戰的歷史都說得比我清楚。但這類的朋友，多半是\n因自己興趣而自行鑽研這方面的知識，絕大多數非從高中以前的正統教育體系裡習得的。\n\n 作者註二：像是「很好」的「很」：如果發ㄏ音時，不只是發氣音，連喉頭聲帶一起\n震動，發出吐痰一樣聲音，就是小舌擦音。一般而言，台灣人要發這個音 並不會太困難\n，只是在中文裡，兩種發音並不用來區別字義，只是口音或個人說話方式上的變化而己。\n但在荷文裡，則具有區別字義的作用。有興趣的讀者，可參考 維基中的解釋（荷文中的g\n發音、喉音）\n\nKiTchui: FB\nhttps://www.facebook.com/KiTchui88\n部落格：\nhttp://kitchuitaiwan.blogspot.nl/
## 3 呵呵 先直接進入正題\n\n目前線上搜尋步步驚心的ＤＶＤ\n從博客來那邊發現有兩個版本\n步步驚心8DVD\nhttp://ppt.cc/sAWj\n步步驚心 [典藏裝] 8DVD\nhttp://ppt.cc/UZ-5\n從介紹看來並沒有說明兩版本的差異\n但價格相差將近兩倍\n典藏價格約九百 發行日期是今年9月（？！）\n爬完文有提到繁體版畫質不好\n不知道是針對哪個版本 還是其實都不好...?\n藍光版的部分？\n爬了文但還是一知半解，\n中國版金裝版買有點複雜，但畫質真的有差很多嗎？\n
## 4 雖然過了很久,但是還是很想知道答案\n\n請問甄嬛傳65集,浣碧要結婚時\n\n禧貴妃幫她蓋頭巾\n\n到她上轎子那一段的音樂是原聲帶裡的哪一首??\n\n找好久都找不到\n\n\n不好意思 因為不知道會不會違反版規,就沒放連結了\n如果有人剛好知道能告訴我嗎??\n謝謝\n\n\n
## 5 http://www.weibo.com/1820114225/BBpoMfses?type=comment\n@美劇貼吧: 【美版《甄嬛傳》片頭華麗曝光 即將登陸HBO播出！】此次甄嬛劇組聯合HBO\n電視臺將原版76集的電視劇剪輯成6集的電視電影（每集時長90分鐘）是啟用了好萊塢著名\n導演和音樂制作人來操刀，如今看這發布的美版片頭確實別有一番風味，孫儷的這股娘娘\n風能順利刮翻老美嗎?\n\n視頻: 美版甄嬛傳即將上映 OP曲風婉轉凄美盡顯嬛嬛柔情\nhttp://v.youku.com/v_show/id_XODUwMDIxODQ4.html\nOP是歌劇風格 我覺得挺好聽的\n視頻中有補拍的鏡頭 還有很高大上的CG\n跟陸劇普遍的5毛特效一點都不一樣 有錢真好!\n話說6集每集90分鐘......能講多少內容啊?\n無論如何都好期待 雖然講英文一定很奇怪^_^\n
## 6 林<U+5CEF>張曉龍《陸小鳳與花滿樓》基情滿滿\n2015年01月08日00:02 新浪娛樂\n\n 新浪娛樂訊 首部3D武俠劇《陸小鳳與花滿樓》1月10日登陸深圳衛視黃金劇場，\n1月7日，導演潘文杰攜主演林<U+5CEF>、張曉龍、張檬、鄭則仕等現身深圳，為新劇開播造\n勢。在劇中，陸小鳳和花滿樓被塑造成是東方的卷福與華生，基情滿滿，連女主角張\n檬也抱怨自己成了第三者，林<U+5CEF>和張曉龍飾演的陸小鳳與花滿樓才是真愛。\n\n 林<U+5CEF>：不敢稱“最帥陸小鳳”\n\n 在《陸小鳳與花滿樓》之前，以往的影視作品中也有不少經典陸小鳳形象，但林\n<U+5CEF>坦言，他“都沒看過”。在林<U+5CEF>看來，觀眾把他的表演跟其他演員對比是不可避免\n的，但他自己並不介意，“有對比很好，只要大家關注我們這部作品就夠了。”對於\n網友“史上最帥陸小鳳”的封號，林<U+5CEF>連說“不可以這麼說”。在林<U+5CEF>看來：“每位\n演員都有自己出彩的地方，最重要是角色的表演能符合戲的要求，總之觀眾看的時候\n投入就行。”\n\n 戲裡，陸小鳳與花滿樓合作破案非常默契，林<U+5CEF>表示，戲外他跟張曉龍也是惺惺\n相惜，“這是我們第一次合作，但完全不需要磨合，合作非常愉快。”林<U+5CEF>笑稱，跟\n張曉龍合作，他的家人比他更高興，“張曉龍是我堂妹的老師，他同時還是我爸爸媽\n媽的偶像，我爸媽一直很迷溫太醫，聽說我跟張老師合作，他們找借口來探班，但不\n是來看我的，目的是去看溫太醫。”\n\n 劇中，林<U+5CEF>有不少打戲，在他看來，最難的不是吊威亞，而是粘假鬍子，“粘了\n鬍子再拍打戲，其實是一門功夫。而且，我一笑的時候鬍子就會掉，所以陸小鳳鬍子\n整天掉，常常要補妝、重新粘鬍子。”\n\n 去年的《使徒行者》被認為是林<U+5CEF>轉型最成功的作品，林<U+5CEF>透露，自己拍了多年\n港劇，面對的都是家庭觀眾，“未來希望在電影方面能有更多突破，畢竟電影的受眾\n跟電視是不同的。”對於粉絲和媒體關心的婚事，林<U+5CEF>不願多談，“現在工作正是拼\n命的時候，人生各方面都需要拼。謝謝大家關心，但我除了工作之外，也很需要私人\n空間。”\n\n “花滿樓”張曉龍：演盲人真的好難\n\n 扮演“花滿樓”的張曉龍則表示，自己一直很迷古龍小說，“每個男人都有一個\n武俠夢，這次能演武俠劇，也算圓了我的夢。”第一次拍武俠劇，張曉龍卻因為太興\n奮傷了腰，“我有舞蹈功底，所以我覺得自己拍打戲也能打得好看，加上我這個人不\n經誇，大家都說我打得好看，我就什麼戲都不用替身，結果是把自己打殘廢了。”張\n曉龍透露，拍完《陸小鳳與花滿樓》，自己很長一段時間都在用於治療腰傷，“那時\n大概只能站10分鐘就要休息，要不腰受不了。”\n\n 《甄嬛傳》後，《陸小鳳與花滿樓》是張曉龍第三次扮演醫生，而且這位醫生還\n是盲人。談到演盲人的難度，張曉龍表示，自己花了很多時間揣摩視覺無焦點的感覺\n，“真的很難，尤其是我們這是部武俠劇，刀光劍影之間導演常常喊‘<U+5494>’，因為我\n的眼神不自覺地就跟盲人不同了。”\n\n 除了演員這個身份外，張曉龍還是不少古裝劇的禮儀指導。談到現在電視上的古\n裝劇，張曉龍說自己也常常有不少“看不慣”的時候，“但是我後來寬慰自己，只當\n一個純粹的觀眾，娛樂就好。”說起熱播的《武媚娘傳奇》，張曉龍透露：“當時那\n部電視劇邀請我當禮儀指導，但我抽不出時間，就推薦我的學生去給他們把關。不過\n看劇的時候我也批評了學生，她有些地方做不好，當然我也理解她的難處。”如今《\n武媚娘傳奇》變成“大頭劇”，張曉龍認為按照要求做改動是必要的，“能屈能伸嘛\n，觀眾能看到劇、不影響劇情就行了。”\n\n 張檬：我是女版都敏俊\n\n 劇中，張檬飾演的阿信是新加入的虛構角色，張檬介紹說：“這個角色雖然是個\n古代的俠女，但性格卻融合了現代女孩兒的一些個性，這種衝突的設置讓這個人物很\n有意思，相信會有很多人到時候會愛上這個角色”。阿信這個角色擁有“天眼神通”\n這一特殊技能，張檬透露，她見到陸小鳳的第一眼就向對方表白，“你是我未來孩子\n的爹，我必須要跟著你”。這個大膽的表白讓陸小鳳嚇壞的，林<U+5CEF>在一旁笑說：“陸\n小鳳當時覺得這個女孩有問題吧。”\n\n 在認定了陸小鳳之後，阿信就一直跟隨在他身邊，張檬覺得，這個角色就像陸小\n鳳身邊“女版都敏俊”，“只要他需要、只要覺察出陸小鳳有困難，我馬上就會出現\n、幫助他。”\n\n 對於跟兩位男主角的配戲，張檬說自己更喜歡<U+5CEF>哥，“因為他其實是一個很好玩\n的人，還和我一樣喜歡吃零嘴，他的包包裡總能翻出數不清的零食，巧克力、餅乾、\n棒棒糖什麼的應有盡有，剛開始讓我驚呆了，而且他很照顧人很細心，每次拍打戲，\n只要一停下來他就會問其他人怎麼樣？有沒有碰疼你？對我也一樣，還會主動提前跟\n我套招。”說起張曉龍，張檬用“暖男”來形容對方，“但這款男人並不是我的菜”。\n\n 劇情很基 陸小鳳最愛花滿樓？\n\n 《陸小鳳與花滿樓》改編自古龍經典武俠小說《陸小鳳傳奇之大金鵬王》，主要\n講述古老且被遺忘的國度金鵬王朝，因陸小鳳調查中原皇帝怪病再次進入到人們的視\n線中，經過萬重難關之後陸小鳳解開謎團阻止陰謀發生。\n\n 劇中，陸小鳳與花滿樓堪稱“東方雙俠”、又有人說是東方的卷福與華生，他們\n攜手偵破懸疑案件。兩人一動一靜、一風流一儒雅的相處模式是怎樣的？林<U+5CEF>笑說：\n“要說真愛的話，可能陸小鳳跟花滿樓才是真愛，因為他們每天形影不離。”林<U+5CEF>解\n釋說，因為張曉龍演的是盲人，所以他常常要拉著花滿樓，“兩個男人感情很好，還\n拉拉扯扯的，你們自己想吧！哈哈。”就連女主角也看不過眼了——張檬就說：“在\n戲裡，我覺得我是一個第三者，因為陸小鳳和花滿樓他們兩個實在太膩歪了，我覺得\n他們倆才是一對，只有在有限的時間裡，陸小鳳才會來找我。”\n\n 3D特效增強視覺美感\n\n 《陸小鳳與花滿樓》由香港金像獎導演潘文杰執導。《陸小鳳與花滿樓》最大的\n創新在於加入了大量的奇幻元素，古龍對作品時空背景的大量留白給了奇幻元素巨大\n的設置空間，特效團隊採用3D實景合成技術，特效鏡頭總數高達一萬三千個。全劇後\n期製作歷時長達16個月。\n\n 據悉，該劇力邀《臥虎藏龍》的原班人馬為該劇全程製作後期特效，為了將古龍\n筆下魔幻世界的精髓更加完美呈現在觀眾面，前後歷時18個月才宣布完工的特效周期\n，數次刷新電視劇行業的後期製作記錄。說到跟電腦合成畫面一起合作的經歷，張曉\n龍笑說，幸好自己演的是盲人，不需要跟電腦特技畫面合作，“反正我也看不到，但\n其他演員就要充分發揮想像才能演好了。”符康林/文\n\n(責編： Soul Food)\n\n==\n\n本篇新聞全文轉錄自新浪娛樂網站\n\n新聞原文網址如下\nhttp://ent.sina.com.cn/v/m/2015-01-08/doc-icczmvun4786663.shtml\n視頻：《陸小鳳與花滿樓》片花展奇幻夢境\nhttp://video.sina.com.cn/p/ent/v/m/2015-01-07/110964480599.html
## 7 最近在電視看到步步驚心的手機遊戲廣告\n放的那首配樂突然勾起了一些當時看得感動= =+\n然後就去把原聲帶找出來聽\n可是聽來聽去就是沒聽到廣告裡放的那首配樂\n可是我記得戲劇裡有出現啊\n請問有大大知道知道這首配樂叫什麼名字嗎~?\n謝謝\n
## 8 最近又看了一次\n在羋月傳出來之前還會繼續重看吧\n突然想到\n甄嬛用最後一胎想扳倒皇后的計劃\n端，敬二人到底知道不知道呢？\n\n因為流程是\n端敬進去，皇后進去，甄嬛喝完墮胎藥進去\n端敬離開，甄嬛糾纏皇后假摔，墮胎藥生效，小產\n\n但是這個計畫很容易失敗\n要是端敬不知道這個計畫而待在裡面沒出去\n就會變成甄嬛演的戲有大破洞\n糟的話會變成甄嬛在裡面掛完福袋莫名流產\n\n不過劇中看不出來他們兩個只不知道這個計畫\n而刻意讓甄嬛與皇后獨處\n\n\n不過這個計畫感覺差點會失敗\n要不是公主指證的話\n皇上的眼神感覺已經有在懷疑了…這真是險招\n
## 9 其實我看過的也不多啦，前後也就三四部而已\n不過我個人看連續劇除了衣著布景以外更喜歡看細節\n一開始看步步驚心覺得女主角滿機車的但是還不錯看\n\n看了甄嬛傳以後…\n發現別齣有越來越看不下去的趨勢QQ\n甄嬛傳不管是衣著、言行舉止、小動作都很到位啊！\n搞得我每次一開始看別齣就會拿來跟甄嬛傳比\n\n甄嬛的每個動作都有考究過，不會莫名出現很現代很突兀的畫面\n看武媚娘某一集好像看到武才人比個OK還是讚之類的\n瞬間很出戲…\n而且講到長孫皇后的時候，他哥哥居然說：舍妹…\n正常來說不是當了皇后就不同階級了嗎？他這樣說沒有僭越嗎><\n還是當時的風氣沒有那麼嚴謹？\n還有瑞安為什麼叫武才人老是叫姐姐？不是應該叫才人嗎？\n\n這些情況看甄嬛都不會出現\n而且甄嬛裡的小手段真的不是一眼就能看出來的，很多都很細膩刁鑽\n不像武媚娘裡的一出事→大概猜到結果→立馬會有人出來解說\n跟旁白一樣…\n\n看完甄嬛真的像跟劇中人物走過一遍\n最後當上皇太后，身邊愛的人卻都不在了，那幾幕真的滄海桑田、物是人非…\n心裡會惆悵很久\n\n好想再重看一次，但是我已經看六次了 QQ\n有跟甄嬛一樣好看的古裝劇嗎><\n—\n想請問一下大家，有人知道武媚娘的時間軸嗎？\n現在看到第25集\n前幾集雉奴騎那匹馬發瘋被武媚娘舊的時候還是小孩\n怎麼突然到25集騎射時候就長大了？
## 10 蘋果日報\n\n2015年01月29日13:01\n\n\n紅透兩岸的古裝穿越劇《步步驚心》電影版《新步步驚心》，自從宣布拍攝以來，除女主角由陳意涵取代劉詩詩演若曦外，一直蒙上神秘色彩。今電影公司首度發布先行預告片及概念海報，有別電視劇充滿奇幻童話風，竟還出現旋轉木馬！\n\n據新浪娛樂，陳意涵的新版若曦造型在預告中曝光，身穿桃紅色改良式旗袍，下擺是粉紅蕾絲裙，在紫禁城中奔跑。劇組表示，希望在1711年清朝背景中融入更多歐洲風格，想給觀眾帶來更新鮮、更年輕的「自由感覺」。\n\n電影版《步步》雖帶來新意，但大部分死忠「步步迷」卻不買帳，紛紛唱衰「劉詩詩演的成為了經典，無法超越」、「一臉古裝女配的樣子」、「是鬼新娘嗎，好好的虐心片變恐怖片」；不過也有人表示「期待陳意涵的電影版」。《新步步驚心》已於1月<U+987A>利殺青，將在下半年上映。（李彥初／綜合報導）\nhttp://ppt.cc/tZet\n(hopeblue 刪除 levi97 的推文: 板規8.1)\n(hopeblue 刪除 levi97 的推文: 板規8.1)\n(hopeblue 刪除 levi97 的推文: 板規8.1)\n(hopeblue 刪除 levi97 的推文: 板規8.1)
## topic_actor topic_Ruyi_drama topic_news topic_Zhenhuan_drama topic_role
## 1 7.531301e-01 5.586363e-04 0.0005586363 5.586363e-04 2.451940e-01
## 2 3.708897e-05 3.708897e-05 0.2882847132 6.762377e-01 3.540337e-02
## 3 9.974733e-01 6.316687e-04 0.0006316687 6.316687e-04 6.316687e-04
## 4 7.028533e-01 1.012060e-03 0.0010120599 1.012060e-03 2.941105e-01
## 5 4.147711e-04 4.147711e-04 0.5128925514 4.147711e-04 4.858631e-01
## 6 2.973744e-02 4.509354e-05 0.9701272841 4.509354e-05 4.509354e-05
## 7 9.957281e-01 1.067985e-03 0.0010679852 1.067985e-03 1.067985e-03
## 8 4.484558e-04 4.484558e-04 0.0004484558 4.484558e-04 9.982062e-01
## 9 3.891568e-01 2.443459e-04 0.0002443459 2.443459e-04 6.101102e-01
## 10 2.590859e-04 2.590859e-04 0.9989636563 2.590859e-04 2.590859e-04# news_topic %>% head(10)2.特徵: 發文詞長度
drama_article_count_by_art <- drama_article_tokens %>%
group_by(artUrl) %>%
count() %>%
mutate(artLength = n) %>%
select(-n)3.其他特徵：情緒分析，以LIWC字典，整理發文情緒
3-1準備情緒字典、角色字典
#正向字典txt檔
P <- read_file("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/dict/positive.txt")
# 負向字典txt檔
N <- read_file("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/dict/negative.txt")
P = strsplit(P, ",")[[1]]
N = strsplit(N, ",")[[1]]
# 建立dataframe 有兩個欄位word,sentiments，word欄位內容是字典向量
P = data.frame(word = P, sentiment = "positive")
N = data.frame(word = N, sentiment = "negative")
LIWC = rbind(P, N)
role <- read_file("D:/OC Learn/NSYSU/Social Media Analysis/Final Paper/Final_report_group7/dict/role.txt")
role = strsplit(role, ",")[[1]]
role = data.frame(word = role)3-2資料整理: 合併情緒分析(每篇文章正面情緒/負面情緒)、發文長度
drama_article_sentiment <- drama_article_tokens %>%
inner_join(LIWC) %>%
group_by(artUrl , sentiment) %>%
count() %>%
ungroup() %>%
spread( sentiment , n , fill=0) %>%
mutate( sentiment = positive + negative)## Joining, by = "word"## Warning: Column `word` joining character vector and factor, coercing into
## character vectorJoin_wordcount_sentiment <- drama_article_count_by_art %>%
left_join(drama_article_sentiment )## Joining, by = "artUrl"Join_wordcount_sentiment[is.na(Join_wordcount_sentiment)] <- 03-3資料整理：合併角色出現個數與前二項特徵
drama_article_role_count <- drama_article_words %>%
inner_join(role) %>%
select(artUrl,word) %>%
group_by(artUrl ) %>%
count() %>%
mutate(role_count = n) %>%
select(-n) %>%
mutate(role_count = ifelse(is.na(role_count), 0 ,role_count))## Joining, by = "word"## Warning: Column `word` joining character vector and factor, coercing into
## character vectorJoin_wordcount_sentiment_role <- Join_wordcount_sentiment %>%
left_join(drama_article_role_count )## Joining, by = "artUrl"Join_wordcount_sentiment_role[is.na(Join_wordcount_sentiment_role)] <- 03-4資料處理：合併前幾項特徵
feature_data <- drama_article_new_topic %>%
left_join(Join_wordcount_sentiment_role )## Joining, by = "artUrl"3-5將發文討論版(China Drama、Women Talk、Gossiping)以one-hot encoding方式轉換
new_feature_data <- feature_data %>%
mutate( n = 1) %>%
spread(artCat , n , fill = 0) %>%
select(-artUrl,-artTitle,-artDate ,-artPoster,-sentence)3-6將發文時段以每小時為切割，並以one-hot encoding 轉換
new_feature_data_post <- new_feature_data %>%
mutate(arthour = as.numeric(format(strptime(artTime,"%H:%M:%S"),'%H'))) %>%
mutate(n = 1) %>%
spread(arthour,n,fill=0) %>%
select(-artTime)colnames(new_feature_data_post)[40] <- "twenty_three"
colnames(new_feature_data_post)[39] <- "twenty_two"
colnames(new_feature_data_post)[38] <- "twenty_one"
colnames(new_feature_data_post)[37] <- "twenty"
colnames(new_feature_data_post)[36] <- "Nineteen"
colnames(new_feature_data_post)[35] <- "eighteen"
colnames(new_feature_data_post)[34] <- "seventeen"
colnames(new_feature_data_post)[33] <- "sixteen"
colnames(new_feature_data_post)[32] <- "fifteen"
colnames(new_feature_data_post)[31] <- "fourteen"
colnames(new_feature_data_post)[30] <- "thirteen"
colnames(new_feature_data_post)[29] <- "twelve"
colnames(new_feature_data_post)[28] <- "eleven"
colnames(new_feature_data_post)[27] <- "ten"
colnames(new_feature_data_post)[26] <- "nine"
colnames(new_feature_data_post)[25] <- "eight"
colnames(new_feature_data_post)[24] <- "seven"
colnames(new_feature_data_post)[23] <- "six"
colnames(new_feature_data_post)[22] <- "five"
colnames(new_feature_data_post)[21] <- "four"
colnames(new_feature_data_post)[20] <- "three"
colnames(new_feature_data_post)[19] <- "two"
colnames(new_feature_data_post)[18] <- "one"
colnames(new_feature_data_post)[17] <- "zero"#四、模型建立：
1.資料標準化：將各特徵值進行標準化，以避免各屬性不同數值的影響
normalization<-function(x){
return((x-min(x))/(max(x)-min(x)))[1]
}
new_feature_data_nor <- new_feature_data_post %>%
mutate(commentNum = normalization(new_feature_data_post$commentNum)) %>%
mutate(push = normalization(new_feature_data_post$push)) %>%
mutate(boo = normalization(new_feature_data_post$boo)) %>%
mutate(topic_actor = normalization(new_feature_data_post$topic_actor)) %>%
mutate(topic_Ruyi_drama = normalization(new_feature_data_post$topic_Ruyi_drama)) %>%
mutate(topic_news = normalization(new_feature_data_post$topic_news)) %>%
mutate(topic_Zhenhuan_drama = normalization(new_feature_data_post$topic_Zhenhuan_drama)) %>%
mutate(topic_role = normalization(new_feature_data_post$topic_role)) %>%
mutate(artLength = normalization(new_feature_data_post$artLength)) %>%
mutate(positive = normalization(new_feature_data_post$positive)) %>%
mutate(negative = normalization(new_feature_data_post$negative)) %>%
mutate(sentiment = normalization(new_feature_data_post$sentiment)) %>%
mutate(role_count = normalization(new_feature_data_post$role_count))2.將資料以7:3比例切割為訓練集、測試集
set.seed(666)
spl = sample.split(new_feature_data_nor, 0.7) #以7:3將原始資料分割成訓練集與測試集
Train_nor = subset(new_feature_data_nor, spl == TRUE)
Test_nor = subset(new_feature_data_nor, spl == FALSE)
Train = subset(new_feature_data_post, spl == TRUE)
Test = subset(new_feature_data_post, spl == FALSE)3.將資料進行線性轉換
建立線性模型轉換器
Train_nor_t = predict_lm_transformer(Train_nor,"commentNum", train_lm_transformer) ##---------------Convert training data
Train_nor_t = as.data.frame(Train_nor_t)
Train_nor_t$commentNum = Train_nor$commentNum
Test_nor_t = predict_lm_transformer(Test_nor, "commentNum", train_lm_transformer) ##---------------Convert testing data
Test_nor_t = as.data.frame(Test_nor_t)
Test_nor_t$commentNum = Test_nor$commentNum4.以Forward Selection方式，進行特徵選取
4-1：以Forward Selection方式選取出的模型
summary( lm(formula = commentNum ~ push + topic_Zhenhuan_drama + WomenTalk +
topic_role + role_count + boo + negative + twenty_three +
eleven + topic_news + twelve + fourteen + push:WomenTalk +
push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
push:role_count + push:negative + topic_Zhenhuan_drama:negative +
role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
topic_role:role_count + push:topic_news + negative:twelve +
push:twelve + boo:twelve + push:fourteen + boo:fourteen +
role_count:eleven + negative:topic_news + role_count:twenty_three +
negative:twenty_three + topic_role:twenty_three + twenty_three:topic_news,
data = Train_nor_t) )##
## Call:
## lm(formula = commentNum ~ push + topic_Zhenhuan_drama + WomenTalk +
## topic_role + role_count + boo + negative + twenty_three +
## eleven + topic_news + twelve + fourteen + push:WomenTalk +
## push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
## push:role_count + push:negative + topic_Zhenhuan_drama:negative +
## role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
## topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
## topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
## topic_role:role_count + push:topic_news + negative:twelve +
## push:twelve + boo:twelve + push:fourteen + boo:fourteen +
## role_count:eleven + negative:topic_news + role_count:twenty_three +
## negative:twenty_three + topic_role:twenty_three + twenty_three:topic_news,
## data = Train_nor_t)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.16571 -0.01085 -0.00170 0.00721 0.33302
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -7.33243 2.77406 -2.643 0.008344 **
## push -9.25366 1.35763 -6.816 1.64e-11 ***
## topic_Zhenhuan_drama -23.52848 24.32105 -0.967 0.333578
## WomenTalk -14.92644 22.50255 -0.663 0.507281
## topic_role 5.73346 9.60107 0.597 0.550533
## role_count 13.48069 5.44897 2.474 0.013531 *
## boo 95.93240 26.80523 3.579 0.000362 ***
## negative -9.30962 3.60405 -2.583 0.009937 **
## twenty_three 23.61190 9.49366 2.487 0.013045 *
## eleven 0.08651 0.70890 0.122 0.902902
## topic_news 6.36658 5.38421 1.182 0.237315
## twelve 28.88891 9.95489 2.902 0.003792 **
## fourteen 73.73791 25.44621 2.898 0.003842 **
## push:WomenTalk 95.79625 17.91076 5.349 1.11e-07 ***
## push:topic_role -6.14381 2.82304 -2.176 0.029772 *
## topic_Zhenhuan_drama:role_count -1.87473 4.50333 -0.416 0.677283
## push:boo 41.78059 7.77049 5.377 9.49e-08 ***
## push:role_count -3.34930 0.78934 -4.243 2.41e-05 ***
## push:negative 3.11657 0.44027 7.079 2.78e-12 ***
## topic_Zhenhuan_drama:negative -4.78101 4.10586 -1.164 0.244533
## role_count:negative -3.34599 0.87647 -3.818 0.000143 ***
## push:topic_Zhenhuan_drama -0.34987 1.64352 -0.213 0.831469
## push:twenty_three 26.23264 6.23843 4.205 2.85e-05 ***
## topic_Zhenhuan_drama:WomenTalk 183.45420 309.80559 0.592 0.553881
## negative:eleven -3.76606 5.96072 -0.632 0.527657
## push:eleven -4.62255 0.64868 -7.126 2.01e-12 ***
## topic_Zhenhuan_drama:eleven -1.08977 10.80980 -0.101 0.919719
## topic_Zhenhuan_drama:topic_role 128.88147 84.81841 1.519 0.128962
## topic_role:role_count -7.60945 17.37927 -0.438 0.661595
## push:topic_news -1.06579 1.36647 -0.780 0.435602
## negative:twelve -5.67296 5.40869 -1.049 0.294503
## push:twelve -7.73747 1.38017 -5.606 2.69e-08 ***
## boo:twelve -369.29834 131.79108 -2.802 0.005177 **
## push:fourteen -7.13318 2.02825 -3.517 0.000457 ***
## boo:fourteen -965.73269 334.09067 -2.891 0.003930 **
## role_count:eleven 6.14990 7.32482 0.840 0.401340
## negative:topic_news 12.14253 6.31716 1.922 0.054878 .
## role_count:twenty_three -169.76138 70.03719 -2.424 0.015537 *
## negative:twenty_three 129.05136 46.65601 2.766 0.005782 **
## topic_role:twenty_three -197.74501 99.04094 -1.997 0.046147 *
## twenty_three:topic_news -92.94948 70.85813 -1.312 0.189907
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.02997 on 974 degrees of freedom
## Multiple R-squared: 0.9088, Adjusted R-squared: 0.905
## F-statistic: 242.5 on 40 and 974 DF, p-value: < 2.2e-164-2：將模型只留下顯著的變數
summary( lm(formula = commentNum ~ push + WomenTalk +
role_count + boo + negative + twenty_three +
eleven + twelve + fourteen + push:WomenTalk +
push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
push:role_count + push:negative + topic_Zhenhuan_drama:negative +
role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
push:topic_news + negative:twelve +
push:twelve + boo:twelve + push:fourteen + boo:fourteen +
role_count:twenty_three +
negative:twenty_three + topic_role:twenty_three ,
data = Train_nor_t) )##
## Call:
## lm(formula = commentNum ~ push + WomenTalk + role_count + boo +
## negative + twenty_three + eleven + twelve + fourteen + push:WomenTalk +
## push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
## push:role_count + push:negative + topic_Zhenhuan_drama:negative +
## role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
## topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
## topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
## push:topic_news + negative:twelve + push:twelve + boo:twelve +
## push:fourteen + boo:fourteen + role_count:twenty_three +
## negative:twenty_three + topic_role:twenty_three, data = Train_nor_t)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.16825 -0.01158 -0.00167 0.00660 0.33225
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -8.1081 2.0822 -3.894 0.000105 ***
## push -9.3345 1.3545 -6.891 9.86e-12 ***
## WomenTalk 7.3393 5.0521 1.453 0.146624
## role_count 13.2349 4.5742 2.893 0.003896 **
## boo 95.6949 26.8036 3.570 0.000374 ***
## negative -8.4778 3.2123 -2.639 0.008442 **
## twenty_three 11.4801 4.1826 2.745 0.006167 **
## eleven 0.1682 0.7064 0.238 0.811844
## twelve 29.4480 9.9654 2.955 0.003201 **
## fourteen 72.9152 25.4471 2.865 0.004254 **
## push:WomenTalk 97.4674 17.8867 5.449 6.40e-08 ***
## push:topic_role -6.0308 2.7576 -2.187 0.028979 *
## role_count:topic_Zhenhuan_drama -2.7963 4.4301 -0.631 0.528063
## push:boo 41.3411 7.7478 5.336 1.18e-07 ***
## push:role_count -3.3292 0.7740 -4.301 1.87e-05 ***
## push:negative 3.0940 0.4275 7.237 9.26e-13 ***
## negative:topic_Zhenhuan_drama -3.6866 4.0680 -0.906 0.365022
## role_count:negative -2.9015 0.8128 -3.570 0.000375 ***
## push:topic_Zhenhuan_drama -0.7788 1.6188 -0.481 0.630556
## push:twenty_three 24.7493 6.1867 4.000 6.80e-05 ***
## WomenTalk:topic_Zhenhuan_drama -127.0244 64.9712 -1.955 0.050856 .
## negative:eleven -0.9536 4.3566 -0.219 0.826792
## push:eleven -4.4060 0.6427 -6.855 1.26e-11 ***
## eleven:topic_Zhenhuan_drama 0.9939 10.5200 0.094 0.924749
## topic_role:topic_Zhenhuan_drama 126.8541 61.0569 2.078 0.038003 *
## push:topic_news 0.5094 1.0540 0.483 0.628976
## negative:twelve -5.5835 5.4057 -1.033 0.301909
## push:twelve -7.7417 1.3780 -5.618 2.52e-08 ***
## boo:twelve -376.7446 131.9290 -2.856 0.004385 **
## push:fourteen -7.3035 2.0163 -3.622 0.000307 ***
## boo:fourteen -954.3364 334.1016 -2.856 0.004375 **
## role_count:twenty_three -167.6009 60.5183 -2.769 0.005721 **
## negative:twenty_three 125.9802 41.6708 3.023 0.002566 **
## twenty_three:topic_role -127.8706 57.7449 -2.214 0.027030 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.03002 on 981 degrees of freedom
## Multiple R-squared: 0.9078, Adjusted R-squared: 0.9047
## F-statistic: 292.8 on 33 and 981 DF, p-value: < 2.2e-16#其中P值<0.001的變數有push、WomenTalk、role_count、negative、push:WomenTalk、push:boo、push:role_count、push:negative、push:topic_Zhenhuan_drama、push:twenty_three、WomenTalk:topic_Zhenhuan_drama、push:eleven、negative:twelve、push:twelve、role_count:twenty_three、negative:twenty_three5.測試訓練集、測試集mae
mae(Test_nor_t$commentNum, predict(lm(formula = commentNum ~ push + WomenTalk +
role_count + boo + negative + twenty_three +
eleven + twelve + fourteen + push:WomenTalk +
push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
push:role_count + push:negative + topic_Zhenhuan_drama:negative +
role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
push:topic_news + negative:twelve +
push:twelve + boo:twelve + push:fourteen + boo:fourteen +
role_count:twenty_three +
negative:twenty_three + topic_role:twenty_three ,
data = Train_nor_t) , newdata = Test_nor_t))## [1] 0.01796971mae(Train_nor_t$commentNum, lm(commentNum ~ push + WomenTalk +
role_count + boo + negative + twenty_three +
eleven + twelve + fourteen + push:WomenTalk +
push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
push:role_count + push:negative + topic_Zhenhuan_drama:negative +
role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
push:topic_news + negative:twelve +
push:twelve + boo:twelve + push:fourteen + boo:fourteen +
role_count:twenty_three +
negative:twenty_three + topic_role:twenty_three ,
data = Train_nor_t)$fitted.values)## [1] 0.017057896.最終模型
drama_lm <- lm(commentNum ~ push + WomenTalk +
role_count + boo + negative + twenty_three +
eleven + twelve + fourteen + push:WomenTalk +
push:topic_role + topic_Zhenhuan_drama:role_count + push:boo +
push:role_count + push:negative + topic_Zhenhuan_drama:negative +
role_count:negative + push:topic_Zhenhuan_drama + push:twenty_three +
topic_Zhenhuan_drama:WomenTalk + negative:eleven + push:eleven +
topic_Zhenhuan_drama:eleven + topic_Zhenhuan_drama:topic_role +
push:topic_news + negative:twelve +
push:twelve + boo:twelve + push:fourteen + boo:fourteen +
role_count:twenty_three +
negative:twenty_three + topic_role:twenty_three , data = Train)
plot(drama_lm)
7.模型預測準確度
Predict_Test <- Test %>%
mutate( predict_commentNum = predict(drama_lm , Test)) %>%
filter(commentNum != 0 ) %>%
mutate(error = abs(commentNum - predict_commentNum) / commentNum)
#回覆數是0會影響誤差值，進行刪除, 刪除後為433筆
1 - sum(Predict_Test$error)/433 #平均誤差## [1] 0.6318282#五、結論：
1.噓文與回覆數正相關呀!但在中午12點、下午14點發文被噓，此天時不利回覆數 2.在Women Talk版上聊甄嬛傳，會有很多人想回你(妳)，大家的現實人生中都很甄嬛呀! 3.大家在晚上11點時，看到負面情緒多的文章會想回覆, 代表早點睡覺比較好吧!!以免負面情緒大爆發