為什麼這篇Jieba 自 訂 字典鄉民發文收入到精華區：因為在Jieba 自 訂 字典這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者wwwh0225 (SeaWave)看板Baseball標題[分享] 邦邦連敗期間棒球板聲量分析...
適逢昨日(6/15)邦邦又輸了，宗賢又E了，又經歷一場歡樂的比賽。
小弟我就想說分享本人這學期 Python 課程期末報告的部分內容給大家，中間會省
略一些艱澀或是太理論的部分。
本文的目的是期許大家持續讓棒球板維持高流量呀~(雖然流量密碼掌握在某隊的手上)
好的，廢話不多說，就讓我們進入正題！
本研究將搜集 PTT baseball 板中，自中華職棒 33 年開季富邦首戰至富邦悍將對樂天
桃猿三連勝前 PTT 文章資料並特別針對富邦悍將進行分析。
文章資料日期取自 2022/04/03 至 2022/05/18，一共 9317 篇文章。
本研究使用繁中版本 jieba 切詞套件進行斷詞分析，但其實用中研院的 CKIP 套件
應該會更好，但跑太慢了，所我還是用 jieba。
資料分析環境預先處理：
在進行切詞之前，我特別先針對 ptt 棒球板的一些專有名詞加入字典之中， 比如:
‧ 現役球員、教練名稱
‧ 各隊暱稱，如:「邦邦、爪爪、吱吱、龍龍、喵喵」等
‧ 棒球板專有梗，如:「煮粥、滿壘計」等
‧ 移除停止詞，如:一些標點符號和了、嗎等語助詞
那我們直接來看文字雲～
首先，這是文章「標題」進行斷詞後所繪製的文字雲：
https://i.imgur.com/EFx3QX4.jpg
誰是流量密碼，就不用多說了吧，連各種今日文、炸裂文都打敗不了的富邦悍將，
真是懷念那段單純的時光。
再來看看大家的「留言」分析出來的文字雲：
https://i.imgur.com/LX85Jye.jpg
正如我前面所述的，我有針對你各位的口語把邦邦放進去，所以可以看到富邦跟
邦邦兩者可說是平分秋色。除此之外，「笑死」也算大家常說的話，看來還是
不能忽視某位高中生的影響力。
再者，我們來看看大家想到邦邦會想到什麼東西，在這裡我使用 word2vec 模組計算
個單詞的詞向量並計算餘弦相似度用以取得個字詞之間的相關性。
https://i.imgur.com/iO6hfYt.jpg
反正這個表，懂的人就懂。(煮/粥)
最後，我們來看看在這段期間，中華職棒五隊每日相關發文的折線圖，這張圖是這樣畫
的，我會去看每篇文章標題的關鍵字(隊名、球員名、教練名、暱稱等等)然後去比較
出現的數量，如果平手就以「邦、爪、吱、喵、龍」的順序進行分類。
(若文章都沒有關鍵字，則不納入討論範圍)
https://i.imgur.com/VshOR2G.jpg
我們可以看到「邦文」的數量可說是海虐各隊，百萬爪迷已不復存在，邦迷才是王道！
而這張折線圖約有五個高峰，而我們在對其進行事件回顧分析，來看看當時是發生了什
麼事情，導致邦文有極高的產量。
1. 04/08:富邦悍將陽耀勳於延長賽 11 局擊敗中信兄弟，開季三連敗後 取得首勝。
2. 04/15~04/16:富邦悍將守備核炸連兩戰投手非自責分為 9 分和 6 分 且
李宗賢單局3E，開季 9 戰 8 敗平聯盟紀錄。富邦與兄弟發生
板凳衝突及跑壘爭議。
3. 04/24:富邦悍將對戰味全龍，單場帳面 3 次失誤且有不少守備瑕疵， 且吞下 15 次
三振。
4. 04/30~05/01:4/30: 富邦悍將 7 連敗同時外帶 2E。05/01: 富邦悍將 取得本季第二
勝且對為本季對獅隊首勝，富邦悍將單月勝率 100%。
5. 05/13:富邦領隊說要找業餘游擊手補洞，引發譁然。富邦悍將
8連敗，共 4 勝 22 敗。
就簡單的分享到這裡，感謝邦邦這段時間給我的歡樂，大家本季還是要踴躍進場呦，
尤其是新莊的悍將家人們~~
(附上本季進場新莊人權)
https://i.imgur.com/uB9XU36.jpg
富邦悍將 We will win !?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.87.9 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Baseball/M.1655309524.A.47D.html
※ 編輯: wwwh0225 (140.112.87.9 臺灣), 06/16/2022 00:13:36
推 bban7225: 看不懂先推再說 06/16 00:14
推 access4096: 你富邦系? 06/16 00:16
推 luvuhahasiao: 開季9戰8敗 打錯了 06/16 00:19
馬上來改！推 amio5213: 笑死我大學學弟在做大數據分析報告也把富邦連敗拿來寫 06/16 00:20
→ amio5213: 大家都在消費富邦XD 06/16 00:20
※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 00:20:18※ 編輯: wwwh0225 (140.112.87.9 臺灣), 06/16/2022 00:25:34
推 edhuang: 那個“好”是因為發錢嗎 06/16 00:22
好！推 kenny123: 推 06/16 00:23
推 hhhhh11: 笑死 分析這個幹嘛啦 06/16 00:25
推 MrBigTree: 笑死 要是以前學程式能有這麼有趣的就好了 06/16 00:25
推 S0323109: 推推 06/16 00:26
※ 編輯: wwwh0225 (140.112.87.9 臺灣), 06/16/2022 00:26:45推 lulala101: 推 年初也做過類似的報告XD 06/16 00:26
※ 編輯: wwwh0225 (140.112.87.9 臺灣), 06/16/2022 00:28:22推 QQ101: 就一堆人 看笑話 看邦能多爛啊 06/16 00:30
推 maxLOVEmimi: 其實常駐在板上我也有發現 富邦的討論文真的很多…… 06/16 00:30
推 a925a05: 這真的要推 做的太詳細XD 06/16 00:31
→ maxLOVEmimi: 棒球迷果然是一群沒有同理心的人（笑死 06/16 00:31
→ maxLOVEmimi: 原PO太強了 這要花很多時間 06/16 00:31
推 Waitaha: 好 06/16 00:38
推 RandyPerseus: 有沒有印象這句：我是和鄉民進來看熱鬧的 06/16 00:38
推 lrhn0289: 唯一只有4/17那天輸給發狂的喵喵 06/16 00:39
推 tsaichichi: 純推專業分析 06/16 00:41
推 Ramarque666: 推推推 06/16 00:44
※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 00:44:59推 yongxchen: 推分析 06/16 00:45
推 ssmr392: 推分析哈哈哈 06/16 00:45
推 carl2003: 笑死 推分析 06/16 00:47
推 Notif520: 笑死 推分析 06/16 00:52
推 jsstarlight: 好 推 06/16 00:55
推 iori9060920: 笑死 06/16 00:55
→ ragrance: 笑了 06/16 00:55
推 lyt5566: 笑死 06/16 00:56
推 sdolphinyo: 乾分析真的笑死 06/16 01:04
推 hunterhsu91: 人才 06/16 01:08
推 nashQ: 算你厲害 06/16 01:08
推 slimfat0202: 所有棒球迷都在幫邦找解方，除了酸，其中還是有人提 06/16 01:08
→ slimfat0202: 出不少高見 06/16 01:08
推 Nakazone: 又認真又好笑 XDDDDD 06/16 01:15
推 luyeegi: 這個分析很讚！ 06/16 01:15
推 Spade: 有夠沒同理心 共勉之 06/16 01:17
推 naiyomin: 你在認真什麼啦哈哈哈 06/16 01:22
推 its0130: 笑死 06/16 01:25
推 aleximba2: 類似的期末報告也在寫邦 邦邦真好用 06/16 01:30
推 chihcsck: 果然要人邦 06/16 01:40
推 manchenlee: 好 06/16 01:43
推 beerhsieh: 幫強者同學推一個 06/16 01:44
阿羅哈推 FourLi: 笑死 認真分析文給推 06/16 01:44
推 CCptt: 笑死 06/16 01:47
推 taiwanstrike: 笑死 06/16 01:55
推 gggaaammm: NLP都拿來用了 06/16 01:56
推 sorrry30000: 沒有流量密碼了 06/16 01:56
推 oncemore: 給推，一直很期待有人做 06/16 02:02
推 gggaaammm: 慢的原因在於ckip要跑tensorflow 整個前置訓練就要快20 06/16 02:05
對，但後來用colab跑GPU還是有點慢，索性就放棄了。只要資料不要太大，我覺得中研院的套件真的不錯→ gggaaammm: 秒 不過應用起來其實很快 官方有提供gpu版加速(離題了 06/16 02:05
※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 02:08:00※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 02:08:38
推 rei196: 裡面的關鍵字怎麼可能沒有我就問？ 06/16 02:26
我就問只會出現在特定場合，可能被稀釋掉了推 jason7111994: 笑死 求學回憶都回來惹 06/16 02:26
推 GoIce: 笑死 06/16 02:28
※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 02:31:10推 jt0711t23: jieba自訂詞字典要設定多一點才能切出更多資訊 cos那 06/16 02:31
同意，這次算是初體驗，感謝大大提點→ jt0711t23: 個表可看出切詞不夠好太多雜訊 06/16 02:31
※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 02:36:21推 sam830219: 好！ 06/16 02:47
推 johnbill: 可以試試用LDA跑看看主題分析XD 06/16 02:48
推 johnbill: 結巴那邊可把版上常用的詞放進去詞庫 斷詞效果會比較好 06/16 02:50
→ johnbill: 一些 06/16 02:50
推 flowerabby01: 太無情了 06/16 02:50
→ johnbill: 原來已經放了 06/16 02:50
有放一些，但可能還不夠多，有機會再來改進※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 02:55:58
推 ImMACACO: 笑死 06/16 02:59
推 OnjojiToki: 好 好個頭啦 06/16 03:03
推 johnbill: 既然跑了詞頻 看試試跑共現詞 最簡單就Pointwise Mutual 06/16 03:08
→ johnbill: Information之類的 06/16 03:08
→ johnbill: 比如笑死 會跟大谷一起出現XDD 06/16 03:08
推 wu5834: 笑死 靠北喔 06/16 03:09
推 james4807: 好三小啦XD 06/16 03:47
推 sleepmilk: 笑死 有夠強 06/16 07:01
→ hsnu2000: 還以為來到八卦版 06/16 07:04
推 JLPT: 粗暴的言論倒可不必 06/16 07:35
推 hgs000sss: 推！ 06/16 07:46
推 abcs4587888: 原來單局3E已經兩個月了 06/16 08:06
推 S100A4: 太猛啦！有數據有推！ 06/16 08:07
推 s29961091: 太神拉 06/16 08:13
推 sharkpops: 原PO 拿這篇去應徵富邦金的資料科學家吧 06/16 08:18
推 jacklinjia: 笑死 06/16 08:28
推 double5915: 收視保證 06/16 08:33
推 lmf770410: 好 06/16 08:35
→ winda6627: 看得出來你含淚在支持.. 06/16 08:56
推 BuBuLoop: 這是不是你NLP或是IR 的期末報告？ 06/16 08:59
python 101推 cnshi: 笑死 06/16 09:01
推 scott29: 好！笑死 06/16 09:14
推 kixer2005: 浪費才能 06/16 09:28
推 gary67: 看不懂，但用心給推 06/16 09:42
推 prettypaty: 這斷詞有點糟 不知道jieba有沒有使用者自訂辭典 06/16 10:09
有，畢竟是第一次做，還有可以更周全的地方※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 10:44:54
※ 編輯: wwwh0225 (125.228.139.65 臺灣), 06/16/2022 10:46:01
推 evan19983314: nlp 專業推 06/16 13:03
推 evan19983314: 原 po 有沒有考慮寫成 blog 文丟到hackmd或medium 06/16 13:05
→ evan19983314: 想看程式碼 06/16 13:06
推 csylvia: 認真分析給推XD 06/17 01:47