前面的文章，介紹如何準備文字探勘的原料，接下來的文章，則要討論怎麼探勘、如何分析。前面提過會帶到的幾個重點：
這個章節要後設地討論，為什麼我們要知道這些。
在眾多文字探勘的方法中，頻率分析是最基礎，但也很直觀的一種方法。
頻率分析看起來非常簡單，就是計算一個或多個詞彙在文本中出現的次數。但實際上，它的影響力遠超過你想像。頻率分析不僅能幫助我們快速瞭解文本的主題，還能用於其他更複雜的分析，如情感分析、主題模型等。
它通常是文字探勘項目的第一步。通過詞頻的初步計算，我們可以快速獲得文本數據的一個「大致印象」，這對於後續的分析是非常有幫助的。另外，在大規模的文本資料中，不是每個詞都是重要的。頻率分析可以幫助我們識別那些「關鍵詞」，這些詞通常更能反映文本的主題或者觀點，比較時間變化使用的詞彙變化，分析市場資料或者監控輿情都可以派上用場。
頻率分析還常用於資料的清洗和預處理階段，例如，我們可以通過詞頻來判斷哪些詞是停用詞（stopword），應該被去除。當然，我們在前面也介紹過中文文字探勘停用詞辭典，你不是非得要用詞頻才能找到停用詞。最後，有許多進階的文字探勘技術，如情感分析、主題模型等，都是建立在頻率分析的基礎之上。只有瞭解基礎詞頻，才能進一步進行更複雜的分析。
其實詞頻就是一種文章中的關鍵字。只是因為它太常見、太特殊，因此會拿出來特別講。不過，要找關鍵詞，其實有其他指標，例如協助判斷分類的
information gain、同時考慮文件和詞頻的 tf-idf
等。關鍵字絕對不會只是詞頻而已。
抓出關鍵字可以幫助我們快速瞭解文本的主要內容，從而有效地篩選出感興趣的文本。當然可以用詞頻完成，但你也可以想像，使用詞頻會遇到很多常見的詞，例如你、我、的，都很常見，所以我們就要用其他指標，定義何謂關鍵字，詳細有哪些指標後面就會談到。
「共現分析」（Co-occurrence
Analysis）能夠幫助我們咧姐文本中的關聯性，聽起來有點抽象對吧！
詞語並不是孤立存在的，它們常常與其他詞語形成關聯，或者展現出特定樣態模式。但這些關係並不好辨識，透過共現分析就是想要揭露隱藏的關聯，我們可以探索這些不太明顯的關聯，進而更好地理解文本的深層含義。
共現分析可以與主題模型（如
LDA）結合，提供更為豐富和精確的文本分類。這對於自動標籤生成、SEO等方面有著重要作用。它還可以幫助我們更準確地進行情感分析。例如，「好」這個詞單獨出現可能沒有太多價值，但如果它經常與「非常」、「真的」等詞共同出現，那麼它所代表的情感強度就更為明顯。
文章內容很重要，表達出的情感與態度也很重要。舉例來說，對面向消費者（to
customer，簡稱為 toC 或者
2C）的企業而言，他們在乎消費者對商品的評價，你可能想說，欸傳統行銷研究就有在做問卷調查啦，但因為時代改變，現在廠商更在乎買家怎麼在臉書或IG上談論他們的商品。
這裡的企業還不只是賣零食、賣電腦而已，就連政府也很重視所謂「輿情」，我們可以把政府想成企業，人們就會是客戶，在政治、公共政策或社會議題方面，情感分析提供了一個量化公眾情緒的方法。這對於預測選舉結果、公眾對新政策的接受度等方面都有著至關重要的作用，例如中介法無法闖關成功，某種程度也和大眾輿論表現出的反對有關。
另外，對代理商（agency）或者企業內（in-house）的公共關係（public
relations）團隊來說，當當企業面臨公關危機時，情感分析能讓公司快速掌握民眾如何，能夠藉此及時調整策略，以最有效的方式應對。簡單來說，知道情緒是一個重點。
iThome鐵人賽
看影片追技術