平時的交流很多都在QQ上，QQ交流已經離不開日常的生活，這里我用R來分析QQ聊天記錄，看看平時都聊了什么。

首先介紹下用的文本挖掘的包：Rwordseg ?一個 R 環境下的中文分詞工具，使用 rJava 調用 Java 分詞工具 Ansj。??

該包需配合rJava包一起使用。詳見李艦老師博客：http://jianl.org/

Rwordseg包不能直接install.packages("Rwordseg")，需使用下列代碼

?

install.packages("Rwordseg", repos="http://R-Forge.R-project.org")

如果安裝不成功，可以直接下載壓縮包，然后安裝：

?

必備包安裝好，下面該導出QQ聊天記錄了：

這里保存為txt格式

導出的txt，導入R的時候可能會時間很長或者出錯，這里用notepad++打開txt，然后轉為ANSI編碼格式即可。

準備工作做好了，下面開始文本

?

?

library(rJava)? library(Rwordseg)? library(RColorBrewer)? library(wordcloud)

?

myfile<-read.csv(file="D:\\message.txt",header=FALSE) #載入文本數據 myfile[1:15,] [1] 消息記錄（此消息記錄為文本格式，不支持重新導入） ? ? ? ? ? ? ? ? [2] ================================================================ [3] 消息分組:高中 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? [4] ================================================================ [5] 消息對象:夢康 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? [6] ================================================================ [7] 2016-06-24 15:56:11 夢康 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [8] 生日快樂 永遠十八歲！ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? [9] ================================================================ [10] 消息分組:高中 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? [11] ================================================================ [12] 消息對象:李晨宇 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? [13] ================================================================ [14] 2016-07-04 20:24:35 李晨宇 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [15] [收到好友的PK挑戰，請在最新QQ手機版中查看詳情] ? ? ? ? ? ? ? ? ? 14116 Levels: - 富有激情和強烈的創新優化意識，責任心抗壓力強，能在快節奏環境中工作，能和項目成員進行快速有效的溝通 ...

?

myfile.res <- myfile[myfile!=" "] #去除 "" myfile.words <- unlist(lapply(X = myfile.res,FUN = segmentCN)) #分詞處理 myfile.words <- gsub(pattern="[a-zA-Z\\/\\.0-9]","",myfile.words)#正則表達式，用于替換 myfile.words <- gsub("\n","",myfile.words)? myfile.words <- gsub("　","",myfile.words)#空格替換為空 myfile.words <- gsub("\\d","",myfile.words)#去除所有數字 myfile.words<-subset(myfile.words,nchar(as.character(myfile.words))>1) #選取字符大于1的數據集 myfile.freq <- table(unlist(myfile.words))? myfile.freq <- rev(sort(myfile.freq)) #排序從大到小 myfile.freq <- data.frame(myfile.freq) names(myfile.freq) <- c("words","freq") myfile.freq[1:15,] #詞頻統計數據：

?

?

? ? words freq 1 ? ?圖片 1664 2 ? ?表情 1102 3 ? ?夏天 ?763 4 ? ?消息 ?744 5 ? ? com ?647 6 ? ?數據 ?572 7 ? ?系統 ?556 8 ? ?可以 ?497 9 ? ?三千 ?465 10 ? 佳麗 ?464 11 ? 后宮 ?464 12 繡花針 ?463 13 ? 鐵杵 ?463 14 ? 加入 ?396 15 ? ? qq ?379?

?

?

wordcloud(myfile.freq$words,myfile.freq$freq,random.order=FALSE,random.color=FALSE,colors=c(1:20))

?

?

?

?

?

換個炫酷的色彩

?

mycolors <- brewer.pal(8,"Dark2")? windowsFonts(myFont=windowsFont("華文彩云"))? wordcloud(myfile.freq$words,myfile.freq$freq,random.order=FALSE,random.color=FALSE,colors=mycolors,family="myFont")

?

從詞云從明顯的可以看到，

1.我的聊天記錄出現的圖片和表情最多，而且比“消息”這詞還多，說明現在聊天“圖片”和“表情”很瘋狂啊！PS想和我斗圖，來試試~
2.怎么會有“qq”和“com”呢，我來查了下聊天記錄

1. 這是群里面的一段聊天記錄。。。原來會自動加上qq.com，所以“qq”和“com”這兩詞詞頻特別高.

2. 這段聊天記錄還有“夏天”，

（1）這位童靴...果然很活躍。

（2）另一種可能就是別人的名字都被分詞給分了，“夏天”很巧就是個詞

3. 從這一段聊天記錄就可以明顯的發現：群成員都喜歡發圖片和表情....PS說出來你可能不信，我的圖片、表情都是群里面的。

大家看到這個詞云有幾個詞特別的顯眼：“佳麗”、“后宮”、“三千”、“繡花針”

這里！！我要特別說明一下，大家不要誤會！

就是這貨，認識他感覺好丟人（表情臉）

說明詞云來是有些不準的，有些詞需要去除，“人名”需要去除，接下來繼續做詞云。

最終詞云，今天娛樂結束。。。

?

總結

以上是生活随笔為你收集整理的简单的文本挖掘-用于QQ聊天记录（R）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。