R的文本探勘(text mining)大多是基於純文字檔案進行，而我將文本探勘處理的資料輸入、輸出儲存整合到PostgreSQL資料庫，讓R的文本探勘能夠更容易跟其他系統整合。這篇文本探勘中進行了HTML內文擷取、新詞加入與斷詞處理、符號過濾、英數字過濾、停用字過濾、最小詞彙長度與頻率過濾等處理步驟。以下介紹系統架構跟R Script的設定，並以我的網頁為資料來源示範如何進行文本探勘。
(more...)我以OpenVZ虛擬機器建立了一個獨立運作的RStudio Server，架設起來之後就能夠直接用網頁來開啟可以正常運作的R環境。它不僅預先裝好了文字探勘與資料庫所需要的套件，而且不會受到在Windows環境下處理中文發生亂碼問題的限制。架設這樣的環境費時費工，所以我決定將它做成開箱即可用的OpenVZ虛擬機器，在此跟大家分享。
(more...)這篇只是很短地記錄解決在R中使用wordcloud套件畫不出中文文字雲的原因與做法。
(more...)
因為Windowd的R處理中文的時候無法避免亂碼的問題，所以我改用OpenVZ架起Ubuntu 14.04 (amd64)，並在上面安裝R跟RStudio Server來運作。然而這版Ubuntu上面安裝的R版本為3.0.2，並非最新的3.0.3，大部分套件都不能正常安裝。儘管如此，我們還是可以透過手動的程序來下載、安裝舊版的套件。這篇以RMySQL套件為例，教大家如何在舊版R中安裝對應版本的舊版套件，而且一併處理系統套件相依的問題。
(more...)這是供Zotero從CNKI中國知網臺灣網站匯入書目的轉譯器（translator），它可以讓Zotero直接在CNKI臺灣網站中匯入文獻的書目資料。原本Zotero就有CNKI的轉譯器，但是它跟CNKI臺灣網站(cnki.sris.com.tw)使用的網域不同，所以我將原本的轉譯器改寫之後分享。希望能夠藉此促進我國研究者使用Zotero的的意願。
(more...)PostgreSQL有個COPY指令可以將csv格式的文件快速匯入資料表中，而這個操作可以用pgAdmin的import功能來完成。然而最近我在使用匯入功能時卻遭遇很多問題，讓匯入無法正常進行。以下歸納常見的幾個問題以及其解決方法。
(more...)我們在研究報告上看到的數據資料通常都是已經整理好的列聯表 (contingency table)，這些已經整理好的資料又稱為邊際分佈。如果我們要在SPSS中以這些資料進行次級分析的話，就得使用「觀察值加權」的功能，將資料調整成可分析的資料格式，再來繼續SPSS的分析。以下就SPSS 21的操作介面來說明如何設定「觀察值加權」。
(more...)
Comments