6-1 毛澤東與習近平的文本比較
(基本文字散佈圖，scattertext_basic)
6-3 毛澤東與習近平的文本比較
(文章散佈圖，Document-Based Scatterplots)
6-5 毛澤東與習近平的文本比較
(Scikit-Learn模型主題散佈圖，Using Scikit-Learn for Topic Modeling)
文章有許多不同的主題與類型，當我們想比較文章間的差異時，例如：比較不同時期、來源和主題的文章差異，是本章關心的焦點。
比不同類型的文本，最基本的方法是繪製文字雲（word cloud）。文字雲是將文本中各字詞依頻率高低排序，以字型大小呈現出現的頻率，最常出現的字詞的字型放大。其優點是可以方便快速檢視文本常使用的字詞，研究者可以針對不同的文本，獲得初步的整體印象。
文字散布圖（scattertext）則是較精確的一種做法。文字散布圖的橫軸和縱軸分別代表兩種不同類型的文本。圖中臚列所有的字詞，字詞位置代表與不同文本間的關係。如此能約略將散布圖劃分成四個區域，出現於散布圖的右上角的字詞，代表在兩個類型的文本中都經常出現，左下角的字詞表示都不常出現；最值得觀察的是出現在左上角和右下角的字詞，這代表在某個類型的文本中常出現，在另一個類型的文本不常出現，凸顯不同類型文本使用字詞的差異。
scattertext模組提供許多便利的功能，首先它能分別列出不同類型文本的代表性字詞，；「字詞檢索」功能只要輸入字詞會告訴我們該字詞在散佈圖中的確切位置，及其出現的頻率，同時也可以列出包含該字詞的所有文本，便於研究者比對。
文字散布圖的種類，除了基礎的散佈圖（scattertext_basic）之外，尚有其他變型，常用者如下：
一、上下區隔字詞位置（Custom term positions）：
將先計算字詞詞頻，進行標準化與羅吉斯迴歸分析，將不同類型的文本分列於上下兩個區塊，是更易於比較不同類型的文本的用詞差異。
二、文章的散佈圖（Document-Based Scatterplots）：
以文章為基本單位，顯示各篇文章在兩個類別中的相對位置。
三、自訂主題顯示其空間位置（Visualizing Topic Models）：
依據研究者自定義的主題詞組，可以顯示各主題在兩個類文本中的相對位置。
四、自動萃取主題顯示其空間位置（Using Scikit-Learn for Topic Modeling）：
套用機器學習模組Scikit-Learn的功能，進行文本字詞TF-IDF加權與非負矩陣分解法（non-negative matrix factorization，NMF），由程式來萃取出主題，並顯示各主題在不同類型文本中的相對位置。
本章中將透由文字雲圖和文字散布圖，比較毛澤東和習近平的報導。習近平自上任以來，逐步取得黨內的「核心」地位，也廣泛運用社會鬥爭肅清政敵，利用社會運動樹立權威，在論述上也活用毛澤東時期的政治語彙，具備了與毛相似的意識形態，這是一般的印象，但真的是這樣嗎？本學習包除了繪製文字雲圖外，透過文字散佈圖，比較人民日報在報導毛、習時的用詞差異。
現在請大家打開學習包：