随着疫情这么一闹，本就热门的公考定然比以往更大势。诶，我写数据分析提这个干啥？两者还能有什么关系不成。嘿，还真有。
之前写过一篇关于2020年国考的岗位分析文章，重点在于多条件筛选和岗位分布分析，复习可戳。这里就聊另一个关于考试内容的话题：申论，以文本挖掘的方式来分析历年的话题重点。
这是一个整理了一些申论范文的网站，从这个地方爬下全部数据作为这次分析的素材。
清洗后如表所示：1542条数据，3个字段，上传时间从2012年到2020年，每年的数据数分别为：240、 250 、244、 275、216、97、 92、114、15。
1.词云分析
除了数据量较少的2020年，从2019到2012每年可绘制一个词云图（下面分别对应2019、2018、2017、2016和2015）
从图中可以发现：发展是每一年的必有之义；乡村与发展是18年、19年的重要提法；文化与发展是15-17年的关键内容；从15年到17年，有一个发展渐进，文化式微，两者平衡的过程；从17年到18年，有一个从城市到农村的重点转移；经济的直接提法从15年过后就很少了。
以上分析内容仅基于每个图形上最醒目的词语，事实上能传递信息的远不止这些，像19年的热门话题美丽中国、高质量发展、垃圾分类其实在图中都有体现，只是比较小容易被忽视。在考试押题里有一个说法：3年常考,5年不考，这跟做数据分析的思路是一样的，值得关注的除了通常模式（常考），还有异常模式（不考）。
2.主题聚类
从上面的词云分析可知，每一年的重点话题相对稳定，来来去去就那么几个，这对公考的准备是有好处的，这里借助R语言的LDA模型把它们归纳出来。
这里选了10个主题，每个主题取前6个关键词（参数这么选是为了结果好解释一点，不能挖坑给自己跳啊）。这是一个比较糙的模型，结果还有赖与进一步地思考和解释。下面就看我怎么扯。
比如说，topic1关于创新推进服务体验和环境治理，实际上又可分为两个小话题；topic2关于精神文明建设，意在营造一个更公平、更有幸福感的社会；topic3关于城市发展；topic4关注民生，重点在于儿童；topic5关注农村发展；topic6关于生态文明建设；topic7社会的规范性问题：法制道德与教育；topic8的社会保障和美丽中国可划分到已有类别；top9网络治理；topic10社会治理创新。这样做虽然不够系统，但比类似于五位一体的说法具化，还是有一定的参考价值。
