[分享]服貿現場文字轉播與各家媒體報導的關聯性
在FB上看到有人在做服貿事件各報導之間的關聯性的研究，覺得很有趣。
(已徵得作者同意轉貼)
原網址:http://ppt.cc/veQk
作者還有打算繼續這方面的研究，
如果有人對後續研究其他建議，或是對於研究方法有問題，
都可以直接透過網站聯絡作者。
------------------------以下全文轉貼------------------------------------
服貿事件 X 資料科學
2014-03-27
近期服貿議題越演越烈，自318學生佔領國會，324 學生攻佔行政院與強制驅離事件發生
後。我以為身為一個統計人，應該用自己的專長來關心這個議題。有鑑於此，我問自己一
個問題：抗議現場的情況與各家媒體報導的真實性為何？
事實上，討論真實性這種虛無飄渺的概念並不容易，所以我退而求其次考慮比較能夠量化
的問題，即報導之間的關聯性。
有了這個想法之後，我蒐集了g0v.today提供的現場文字轉播資料，學生族群
常用的PTT服貿版資料，以及幾家新聞的報導資料進行初步分析，3/25號晚上
在臉書上發布了以下這張實驗性分析圖，並且徵求夥伴幫忙擷取各家媒體更完整的服貿報
導資料。
http://ppt.cc/FRyx
這兩天，感謝很多人熱心的幫忙。無論是資料的提供、文本挖掘技術的交流還是媒體分析
經驗的分享等等 (感謝Ronny, Marsan, 文心, Toley and 家齊)。我用更嚴謹的方法得到
了以下關聯性分析結果，
http://ppt.cc/CVi7
先說圖怎麼看，曲線的粗細表示報導來源之間的相關性強度。再說我的主要發現：
1.蘋果日報與所有報導來源都有高度的關聯性。
2.報導來源可以分成左右兩群，
右半邊是一般的媒體報導，左半邊則是蘋果日報與民間報導。
3.儘管PTT與現場文字轉播的關聯性在所有報導來源中是最高的。
但是，PTT與各大新聞媒體的關聯性都偏低。
至於分析方法，簡單來說就是以關鍵字找相似度。我用R當作主要分析工具，參考家齊與
嘉葳參與Taiwan R user group在MLDM Monday meetup關於文本挖
掘的演講 (1 & 2) 進行文本分析，分析出各家媒體報導的關鍵字詞頻，再利用我做生物
統計最熟悉的相似度指標來計算各家報導的關聯性。
最後，我是打算用作研究的態度來玩這個題目。所以必須談談現在遇到的困難之處，希望
有人能給點意見。最主要的困難點在於：「現場文字播報忠實的呈現現場結果，
但相較一般新聞報導而言，有口語化過度的問題」。口語化的問題必然與媒體使用的
文字有所不同，這個效應與媒體選擇性報導的差異混淆在一起。解決的辦法目前想嘗試：
1.確實移除口語化關鍵字之後，再計算相似度 (部分完成)
2.加入民間媒體進行分析，ex: 台大新聞E論壇 (周末動工)
對於上述分析有問題，或是我的後續研究有所建議者，不吝指教，謝謝。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 120.127.32.21
※ 文章網址: http://www.ptt.cc/bbs/FuMouDiscuss/M.1395937570.A.527.html
※ 編輯: soooooooo 來自: 120.127.32.21 (03/28 00:29)
推
03/28 00:29, , 1F
03/28 00:29, 1F
※ 編輯: soooooooo 來自: 120.127.32.21 (03/28 00:30)
→
03/28 00:30, , 2F
03/28 00:30, 2F
※ 編輯: soooooooo 來自: 120.127.32.21 (03/28 00:31)
→
03/28 00:31, , 3F
03/28 00:31, 3F
※ 編輯: soooooooo 來自: 120.127.32.21 (03/28 00:32)
→
03/28 00:32, , 4F
03/28 00:32, 4F
※ 編輯: soooooooo 來自: 120.127.32.21 (03/28 00:33)
→
03/28 00:39, , 5F
03/28 00:39, 5F
推
03/28 00:58, , 6F
03/28 00:58, 6F