全文链接：https://tecdat.cn/?p=34319
原文出处：拓端数据部落公众号
作为中国古典文学的瑰宝，《红楼梦》具有极高的文学价值和丰富的主题内涵。近年来，随着大数据和文本挖掘技术的发展，对《红楼梦》等古典文学作品的深度分析成为可能。本研究采用R语言作为分析工具，对《红楼梦》全文进行文本挖掘，通过词频统计、词云可视化以及前后对比分析，以期深入探索这部经典小说的主题演变和人物塑造。
读入数据
将需要分析的文本放入记事本中，保存到相应路径，并在R中打开。这儿我导入的是《红楼梦》的文本。
先导入rJava和Rwordseg两个包
library(Rwordseg)分词+统计词频
words=unistlapplyX=lecture, UN=sgmntCN))
#unlist将list类型的数据，转化为vector
#lapply()返回一个长度与X一致的列表，每个元素为FUN计算出的结果，且分别对应到X中的每个元素。 table统计数据的频数
降序排序
v=rev(sort(v))过滤掉1个字的结果和词频小于100的结果
d1=subset(d, nchr(ascharctr(d$词汇))>1 & d$词频.Freq>=100) 画出标签云
wordcloud(d1$词性格分析： 宝玉
xinggefenxi("宝玉")从关键词“丫头”“出去”“姐姐”这些来看，贾宝玉是一个又奇又俗的人物。自幼深受祖母贾母疼爱，住贾母院。因此娇生惯养，构成他性格的主要特征是叛逆。他行为“偏僻而乖张”，是封建社会的叛逆者。他鄙视功名利禄，不愿走“学而优则仕”的仕途。他痛恨“八股”，辱骂读书做官的人是“国贼禄蠹”，懒于与他们接触拜会。
红楼梦前八十回与后四十回是否同一个人写的？
lecture<-read.csv("红楼梦前80回.txt", tringAsFactorsALSEheade=FALSE)
words=ulit(lppl
#unlist将list类型的数，转化为vector
#lapply()返回一个长度与X一致的列表，每个元素为FUN计算出的结果，且分别对应到X中的每个元素。
word=lapply() 画出标签云
js
lecture<-read.csv("红楼梦后40回.txt", stringsAFacors=FLSE,header=FALSE)前后红楼梦词频对比
qianword=qiwor[which(qiaword[ ,1] %in% gongtngword), ]
houword=uword[whih(houod[ ,1] %in% gongtonword), ]前红楼梦:
后红楼梦:
t检验
t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。用于比较前后红楼梦的关键词出现频率的区别差异。
t.test(qianod[,3],huord[,3])从结果来看，t检验的p值显著小于0.05，因此拒绝原假设。有95%的把握可以认为前后的红楼梦不是一个人所做。
最受欢迎的见解
3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）
5.R语言回归中的Hosmer-Lemeshow拟合优度检验