在Matlab R2015中定制词云图

史文崇

(河北科技师范学院 数学与信息科技学院，河北 秦皇岛 066004)

0 引言

“词云”一词由美国学者Rich Gordon提出，曾称“标签云”，也有人称作“字云”[1].词云图是近年来兴起的数据可视化工具之一，可以直观地反映科技文献中许多关键词的出现频次的对比情况.某词条文字越大，说明其出现频度越高.目前许多技术可以生成特殊轮廓的词云图，如地图形、动物轮廓形、人物头像形等.生成词云图的途径或工具也有很多：电脑版的有WordArt、Wordle、图悦网、易词云网、优词云网、微词云网等；手机版的有字云生成器、美字云、字云等软件；一些大型软件如Python、Matlab等，近年来也纷纷推出词云库或词云函数[2-3].这些途径生成的词云一般密度较大[4]，但多有词条文字套叠现象.一些词云图工具只侧重审美和艺术化[5]，忽视了其原本的统计学意义；有的只有词频大小排序，却没有具体词频数据[6]；有的甚至连词频大小顺序也无须输入，已演变成游戏、娱乐活动[7].必须指出，密度过大、文字套叠严重，致使词条不易辨认或词条重复、词条被拆散的，已经失去了统计学使用价值；而词条文字显示残缺，词条过少或过于松散，其艺术性和实用性都不复存在.

为了提高词云图的统计学使用价值，词条首先要易于辨认.不是越密越好，不能为了提高密度刻意使文字套叠，牺牲可辨识性[8].保持适当的间隔是必要的，只需防止过于稀疏即可.另外，在词云图中，虽通过词条字体大小表示其频度，但当两个词条词频差异较小时，仅靠文字大小已不易辨识，还应通过其位置、颜色等属性辅助表征其不同频度；……