首先開啟示例的「文字挖掘」工作流，看到裡面有三個節點：
右鍵檢視excel節點中的示例資料，發現**是詞頻表。
所以這個示例工作流是處理提取好的詞頻表，而不是處理原始資料提取詞彙。excel節點的引數都很好理解，看了就懂了，所以略過。
第二個節點是篩選高頻詞，右鍵看此節點的配置。
第乙個選項（選擇方式）是選擇需要處理的資料的方式，可以通過行屬性（行名稱）、數字（行號）、行id（正規表示式匹配行id）來選擇。一般選擇行屬性方式，具有解釋性，否則還要開啟表看行號行id，比較麻煩。示例選擇的是行屬性。
第二個選項是過濾引數。模式匹配是通過某種模式（如正規表示式）來過濾選擇的資料；僅匹配缺失值同字面意思，匹配的是缺失測試欄位的資料；範圍檢查是過濾字段值在上限（下限）以外的資料。
示例選擇的是範圍檢查，過濾掉詞頻小於100的詞彙。生成的詞云如下：
滑鼠移動到詞云上的某個詞時，還會顯示其詞頻。很方便的視覺化！
想了一下，模式匹配可以用在過濾詞彙的非數字表達屬性（比如情感色彩，詞性之類的），然後生成不同屬性詞彙的詞雲圖。
下面自己找資料試驗。
從網上找了乙個英文單詞的詞頻表。
資料說明：詞頻表有5列 (rank, lemma, pos, freq, dispersion)，含義如下主要使用的是lemma, freq, pos這三列。lemma, 即單詞
freq = frequency in the corpus
dispersion = juilland』s dispersion measure (0-1): how 「evenly」 the lemma is distributed across the corpus
rank = a function of score (not shown here), but which is calculated as: freq disp*
pos = part of speech
excel節點配置：
讀取列選擇b-d列，讀取行不填就會讀取全部。重新整理一下就會發現」預覽」變成了配置中選中的行和列。
篩選引數設定：
把pos不是n的過濾掉，即留下了名詞。
但是這樣留下的詞太多了，還是有很多頻數很小的詞存在，這樣不好畫詞雲圖。
所以，增加乙個篩選高頻詞節點，配置為freq-範圍檢查-下限30000。
這樣就只剩下詞頻在30000以上的單詞了。下限的確定是要根據詞彙數量來修改的，過多過少詞云都不好看。
現在工作流是這樣的：
畫出的詞雲圖是這樣的：
詞頻統計表的語料是coca（現代美國英語語料），語料庫包含超過5.2億詞彙，且均勻取自口語、**、雜誌、報紙和學術文字。詞雲圖上，中間較大的幾個詞彙是way, family, home, game, company, law等等。簡單得出乙個結論，家庭、公司、法律在美國人的生活中占有不小的比例。好像是廢話:）不過至於怎麼深入分析還是以後再說。
php學習記錄1
net的iis,framwork,window系統等都不是free的，所以，我在的專案組承載著公司走向外網的報復，於是，free造就了我開始php開發之行。這週做了這些事情 2 搭起環境後，心裡有底氣多了。專案組的其它人都封閉設計去了，我這個唯一的兵唯一的活就是學php，剛開始兩天因為沒有搭起環境來...
shell 學習記錄（1）
unix系統有乙個非常強大的特性 因為所有資源都是檔案，你可以將所有資源引用和將其從乙個位置重定向到另乙個位置。重定向的操作符 表示標準輸 入 stdin 表示標準輸出 stdout 所以，如果你需要乙個命令從鍵盤中讀取資訊，你可以進行如下操作 somecommand 但當要你的命令從乙個檔案中讀取...
WPF學習記錄1
目前由於工作的需要，需要學習wpf，在學習技術之前，看看wpf有哪些特點 2 與解析度無關，wpf使用的向量圖 3 支援硬體加速，wpf採用d3d實現，由圖形處理單元gpu來完成渲染工作 4 聲名式程式設計，採用xaml文字方式 5 支援自定義控制項 6 易部署，一套 既能夠發布成c s應用程式，也...