应用定性数据分析包RQDA(Qualitative Data Analysis)和文挖掘框架包tm结合进行文本挖掘。

在对访谈内容或剧本、小说部分内容进行文本挖掘时，如果用不断的剪粘保存的方法非常繁琐而且容易漏掉一些内容。好在黄荣贵开发的RQDA包可以进行文档管理和内容编码及提取，大大方便了利用tm包进行文本挖掘，既提高了效率又提高了准确性，下面举一个小例子：

1、安装RQDA包、tm包和中文分词软件（分词软件见下面链接）；

http://www.pinggu.org/bbs/thread-853290-1-1.html

2、装载RQDA包并建立一个新的工程项目；

3、输入相关文本文件；

4、进行编码和作标记；

5、双击想要提取的编码即可提取相关文本；

6、运行下面下载的程序进行文本提取、转换、分词、文本挖掘工作。

> gg <- RQDA2tm("记者" ,mf = FALSE)<br />
> gg<br />
A corpus with 55 text documents<br />
><br />
------------------------------------------------<br />
> ###  去掉多余空格  ####<br />
> reuters <- tm_map(gg, stripWhitespace)<br />
> reuters[[1]]<br />
这个也是临时改的？这儿应该放一个那样的桌子。<br />
><br />
------------------------------------------------<br />
> ##  全文搜索   ##<br />
> searchFullText(gg[[1]], "是临[时]?改")<br />
[1] TRUE<br />
><br />
------------------------------------------------<br />
> ###  查找以某字开头、结尾等的词条  ###<br />
> stemCompletion(gg, c("财", "政", "部"))<br />
                  财                        政                       部<br />
"财政部就是替政府花钱的"                       ""                       ""<br />
------------------------------------------------<br />
> ###  元数据管理  ###<br />
> DublinCore(reuters[[2]], "title") <- "建国60周年"<br />
> meta(reuters[[2]])<br />
Available meta data pairs are:<br />
  Author       :<br />
  DateTimeStamp: 2010-07-15 02:06:27<br />
  Description  :<br />
  Heading      : 建国60周年<br />
  ID           : 2<br />
  Language     : eng<br />
  Origin       :<br />
><br />
------------------------------------------------<br />
> ###  创建词条-文件矩阵<br />
><br />
> dtm <- DocumentTermMatrix(reuters,control = list(minWordLength=2))##最短词两个字<br />
> inspect(dtm[1:2, 3:6])<br />
A document-term matrix (2 documents, 4 terms)<br />
Non-/sparse entries: 0/8<br />
Sparsity           : 100%<br />
Maximal term length: 5<br />
Weighting          : term frequency (tf)<br />
    Terms<br />
Docs 10000 12 120 1966<br />
   1     0  0   0    0<br />
   2     0  0   0    0<br />
------------------------------------------------<br />
> ##  操作词条-文件矩阵  ##<br />
> ##  1、找出最少出现过3次的词条  ##<br />
> findFreqTerms(dtm, 3)<br />
[1] "政策"<br />
------------------------------------------------<br />
> ##  2、找出与"应该"相关度到少达0.6的词条  ###<br />
> findAssocs(dtm, "应该", 0.6)<br />
0.11 应该 桌子 临时<br />
1.0  1.0  1.0  0.7<br />
>

其他看上面的链接中的内容，其实生成词条-文件矩阵后还有许多工作可以做，比如用支持向量机进行文件分类、话题分类、根据话题用词频率分析作者所熟悉的行业等等……

民网 >> 时政 >> 时政专题 >> 网友进言

http://politics.people.com.cn/GB/8198/138817/index.html

MetaID fname fid

1 0 公安部答复本网网友关于轻微交通违法处罚等4问题 1

2 0 公安部答复本网网友关于驾龄计算、异地购车上牌、老人驾车等8问题 2

3 0 公安部答复本网网友关于如何转回农业户口等3问题 3

4 0 公安部回复本网网友关于驾驶证年检被注销等3问题 4

5 0 公安部回复人民网网友关于异地缴交通罚款等4问题 5

6 0 公安部回复人民网网友关于身份证重号错号等4问题 6

一、出现5次以上的词条

----------------------------------------------------------------------------

1、根据编码“网友”分析：

gg <- RQDA2tm("网友" ,mf = TRUE)<br />
> findFreqTerms(dtm, 5)<br />
[1] "驾驶"   "身份证" "问题"

----------------------------------------------------------------------------

2、根据编码“公安部回应”分析：

gg <- RQDA2tm("公安部回应" ,mf = TRUE)<br />
> findFreqTerms(dtm, 5)<br />
[1] "办理"   "部门"   "公安"   "管理"   "规定"   "机动车" "机关"   "交通"<br />
[9] "安全"   "不得"   "车辆"   "道路"   "驾驶"   "驾驶证" "汽车"   "实施"<br />
[17] "使用"   "小型"   "营运"   "载货"   "载客"   "证明"   "工作"   "法律"<br />
[25] "公民"   "居民"   "社会"   "身份"   "身份证" "条件"   "相关"   "行为"<br />
[33] "证件"   "措施"   "违法"   "应当"   "公安部" "信息"

**************************************************************

二、找出与“驾驶”相关达70%以上的词条

----------------------------------------------------------------------------

1、根据编码“网友”分析：

> findAssocs(dtm, "驾驶", 0.7)<br />
  驾驶 公安部   能否   规定   驾照   汽车<br />
  1.00   0.87   0.80   0.79   0.78   0.72

----------------------------------------------------------------------------

2、根据编码“公安部回应”分析：

> findAssocs(dtm, "驾驶", 0.7)<br />
  驾驶   需要   期限   证明   小型   法律   使用   中型 驾驶证   依法   检查<br />
  1.00   0.95   0.90   0.86   0.84   0.83   0.80   0.79   0.77   0.77   0.75<br />
  有效   超过<br />
  0.75   0.72

**************************************************************

MetaID fname fid

1 0 公安部答复本网网友关于轻微交通违法处罚等4问题 1

2 0 公安部答复本网网友关于驾龄计算、异地购车上牌、老人驾车等8问题 2

3 0 公安部答复本网网友关于如何转回农业户口等3问题 3

4 0 公安部回复本网网友关于驾驶证年检被注销等3问题 4

5 0 公安部回复人民网网友关于异地缴交通罚款等4问题 5

6 0 公安部回复人民网网友关于身份证重号错号等4问题 6

对上面的数据改为将每条回应为研究对象进行文档聚类分析，结果如下：

综合上面两种聚类分析可以判断：公安部负责对人民网网民进行回应的工作人员有两名，因为每个人的写作用词习惯是比较固定的。