作为中国古典文学的瑰宝，《红楼梦》具有极高的文学价值和丰富的主题内涵（点击文末“阅读原文”获取完整代码数据）。

相关视频

近年来，随着大数据和文本挖掘技术的发展，对《红楼梦》等古典文学作品的深度分析成为可能。本研究采用R语言作为分析工具，对《红楼梦》全文进行文本挖掘，通过词频统计、词云可视化以及前后对比分析，以期深入探索这部经典小说的主题演变和人物塑造。

读入数据

将需要分析的文本放入记事本中，保存到相应路径，并在R中打开。这儿我导入的是《红楼梦》的文本。

先导入rJava和Rwordseg两个包

library(rJava)  
library(Rwordseg)

分词+统计词频

words=unlist(lapply(X=lecre, FUN=seentCN))
#unlist将list类型的数据，转化为vector  
#lapply()返回一个长度与X一致的列表，每个元素为FUN计算出的结果，且分别对应到X中的每个元素。

table统计数据的频数

降序排序

v=rev(sort(v))

过滤掉1个字的结果和词频小于100的结果

d1=subset(d, nchar(as.chad$词汇))>1 & d$词频.Freq>=100)

画出标签云

wordcloud(d1$词

点击标题查阅往期内容

NLP自然语言处理—主题模型LDA案例：挖掘人民网留言板文本数据

性格分析：宝玉

xinggefenxi("宝玉")

从关键词“丫头”“出去”“姐姐”这些来看，贾宝玉是一个又奇又俗的人物。自幼深受祖母贾母疼爱，住贾母院。因此娇生惯养，构成他性格的主要特征是叛逆。他行为“偏僻而乖张”，是封建社会的叛逆者。他鄙视功名利禄，不愿走“学而优则仕”的仕途。他痛恨“八股”，辱骂读书做官的人是“国贼禄蠹”，懒于与他们接触拜会。

红楼梦前八十回与后四十回是否同一个人写的？

lecture<-read.csv("红楼梦前80回.txt", sSE,header=FALSE)  
   
words=unlist(lappl
#unlist将list类型的数据，转化为vector  
#lapply()返回一个长度与X一致的列表，每个元素为FUN计算出的结果，且分别对应到X中的每个元素。
word=lapply()

画出标签云

lecture<-read.csv("红楼梦后40回.txt", stder=FALSE)

前后红楼梦词频对比

qianword=qianword[which(qianword[ ,1] %in% gongtongword),  ]  
  
houword=houword[which(houword[ ,1] %in% gongtongword),  ]

前红楼梦:

后红楼梦:

t检验

t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。用于比较前后红楼梦的关键词出现频率的区别差异。

t.test(qianword[,3],houword[,3])

从结果来看，t检验的p值显著小于0.05，因此拒绝原假设。有95%的把握可以认为前后的红楼梦不是一个人所做。

点击文末“阅读原文”

获取全文完整代码数据资料。