COS 数据分析沙龙第八期（上海，@联合创业办公社）

冬日的阴霾还没有完全散去，而温度却也在悄然的回升。周末的下午，相聚在极富小资情调的沙龙，也不失为一种打磨时光的优雅方式嘛。（感谢联合创业办公社）

兴致所至，偶得意的笑~

沙龙例行的，大家会简单的介绍一下自己。出乎组织者意料，陆陆续续的居然来了三十多位朋友，瞬间小小的会议室显得高朋满座，讨论气息愈加浓烈。据我们的不完全统计，参加者来自金融，制药，市场咨询，IT，电商，学术研究等领域，可谓跨界一锅端，热闹的紧。

相互熟悉之后，李舰开始为大家展示新鲜出炉的两个中文文本分析工具：Rwordseg 和 Rweibo。前者是最新的中文分词工具，不仅仅利用了流行的隐形马尔可夫链中文分析算法，而且加入了对于优秀的搜狗细胞词库的支持、自定义词库等等。据现场探子汇报，李舰透露了他正在开发一套完整的中文分词方案的计划，可能纳入条件随机场这样高富帅的分词方法，以及针对中文编码的全套解决方案。Rweibo 则是可以直接调用新浪微博的 API 接口抓取最新的数据，然后再调用 Rwordseg 进行分词之后，就可以很方便的画出中文的词云之类。当然进一步的，也可以进行更细致的分析，暂时按住不表。

高朋满座，咦怎么有些面熟呢？

紧接着自然少不了对中文分词的应用。当然严肃的学术文章有很多，严肃的业界应用也有很多，不过既然是沙龙我们就要找最最好玩的！于是就看到了陈丽云带来的关于金庸小说的文本分析介绍。其实这里的思路很简单，就是把金庸的 “飞雪连天射白鹿，笑书神侠倚碧鸳” 十四本小说的文本文件下载下来，然后做一下中文分词（其中用到搜狗的金庸和武侠词库），最后把人名和武器留下来就可以了。分完词之后，就可以进一步的定义 “链接”、然后做标准的网络分析了。据说这篇文章是给统计之都预留的，可惜到现在大家都还没有看到… 呃，现场观众近水楼台先得月，拍一张纪念一下再说！（@ghosTM55）除了武器排名之外，还展示了金庸小说的聚类分析（一枝花有木有？）和人物关系分析，各种漂亮的网络图跃然投影幕布之上… 在场观众纷纷表示，除了各种“毁童年” 之外，强烈要求同义词词典，你难道不知道杨过叫小龙女是 “姑姑” 么？怎么能这样无情的忽略之？

金庸武器受欢迎程度排名

可视化浪潮泛滥，然后周扬萌主就响应大家的号召，展示他最近基于 D3 框架开发的 R 与 HTML5 动态图。呃，怎么这个图看起来这么眼熟？什么？这个图还会动的？错过现场展示的大家不要着急，这里有在线的 demo，快去猛戳吧：http://yzhou.org/demo/html5Vis.html。据萌主本人证实，“corrplot 作为第一个实现的交互图发布，下个是 googleVis MotionChart，让大家都能动起来!”，有没有很期待呢？

R+HTML5，炫到极致（@吃粉的怪物）

各种展示完毕，大家开始了群情激昂的讨论。从地理信息系统到实时可视化展现，从医疗制药数据到茶叶配方优化，各种惊讶各种欢乐。然后，来自 1 号店的洪建飞直接拿出来刻着 “草稿” 的幻灯片，瞬间大家都惊掉了！太有诚意了有木有？大家在一片欢声笑语中，依依不舍的结束了周日的沙龙。事后群众纷纷表示，要求进一步发展沙龙的深度和广度，联系更多领域，加强学术探讨。组织者在开心的同时，瞬间表示鸭梨山大…

照例，饭局还是必不可少的，提供了很好的 “认亲” 的机会，什么 “直系学长” 啦，老乡啦… 喝点小酒啦，笑谈风月啦…（来认领照片吧）。

酒足饭饱嗯！