演讲中常用名词的频率

用 TextCases 提取给定格式的子字符串，例如，名词或动词，以及国家、电邮地址和其他内容.

提取在美国国会上下两议院的联席会议间，美国总统发表的所有演讲的数据集.

In[1]:=

data = ResourceData["State of the Union Addresses"];

通过仅保留总统姓名、演讲年份和演讲稿减小数据集的大小.

In[2]:=

reduceddata = data[All, {"President", "Year", "Text"}];

每 10 年提取一个演讲样本.

In[3]:=

years = Range[1965, 2015, 10]; speeches = Select[reduceddata, MemberQ[years, #Year] &]

Out[3]=

用 TextCases 识别每个演讲中的名词.

In[4]:=

nouns = TextCases[Normal@speeches[All, "Text"], "Noun"];

计算每个演讲中出现的不同名词的个数.

In[5]:=

freqnouns = Counts /@ nouns;

忽略在大多数年份中常见的单词.

In[6]:=

freqnouns = KeyDrop[freqnouns, {"country", "people", "year", "years", "world"}];

生成词云，显示名词词频随时间变化的情况.

In[7]:=

labels = Normal@ speeches[All, CommonName[#President] <> " " <> ToString[#Year] &]; WordCloud[freqnouns[[#]], PlotLabel -> labels[[#]]] & /@ Range[6]

Out[7]=