语言数据科学教程

陈居强

2026-01-29

Chapter 1 第一章 数据科学简介

欢迎关注我的个人主页：

微信公众号：数据科学与语言研究

学习目标

• 📌 了解语言数据的内涵
  探索语言数据的定义、特点及其在不同领域中的应用。

• 📌 了解数据科学的由来与发展
  理解数据科学的起源、演变以及与统计学、计算机科学的关系。

• 📌 了解数据科学项目的流程
  掌握从问题定义到模型部署的完整数据科学生命周期。

• 📌 了解数据科学的内在结构
  熟悉数据科学所包含的统计知识、编程技能和专业知识。

1.1 语言数据

1.2 数据科学发展简史

1.3 数据科学项目工作流程

1.4 数据科学的内在构成

R语言学习资源分类汇总

1.4.1 数据科学与数据处理

📘 图书与电子书

• 📘 数据科学中的 R 语言 — 作者：王敏捷。基于 R for Data Science，适合中文用户入门。⭐⭐⭐⭐☆

• 📘 Introduction to Data Science: Data Analysis and Prediction Algorithms with R — 作者：Rafael A. Irizarry。哈佛大学课程电子书，侧重统计与建模。⭐⭐⭐⭐☆

• 📘 Introduction to Data Science — 作者：Tiffany-Anne Timbers、Trevor Campbell、Melissa Lee。UBC 教材，结构清晰，适合课堂教学。⭐⭐⭐⭐☆

• 📘 R for Data Science 旧版— 作者：Garrett Grolemund 和 Hadley Wickham。R 语言数据处理的经典入门书，全面讲解 tidyverse 流程。⭐⭐⭐⭐⭐

• 📘 The R Manuals ⭐⭐⭐⭐⭐

• 📘 R Books ⭐⭐⭐⭐⭐

• 📘 Data Wrangle 教程 — 作者：陈居强。适合初学者系统学习数据清洗与整洁操作，案例丰富。⭐⭐⭐⭐

• 📘 Data Science Live Book — 理论与实战结合，涵盖特征工程、变量重要性分析等主题，适合进阶者。⭐⭐⭐⭐

• 📘 The Pirate’s Guide to R — 用幽默和图解的方式讲解 R，适合初学者和教学使用。⭐⭐⭐⭐☆

📄 学术文献

• 📄 Behrens, J. T. (1997). Principles and Procedures of Exploratory Data Analysis. Psychological Methods, 2(2), 131–160. — 探索性数据分析经典文献。⭐⭐⭐

🌐 博客与网络资源

• 🌐 FlowingData 博客 — Nathan Yau 博士运营的可视化博客，案例丰富、风格有趣，适合扩展阅读。⭐⭐⭐⭐☆

• 🌐 The History of Data Science and Pioneers You Should Know — 数据科学的历史与重要人物简介，可用于教学引入或学术演讲材料。⭐⭐⭐

1.4.2 数据可视化

📘 图书资源

• 📘 ggplot2: Elegant Graphics for Data Analysis — 作者：Hadley Wickham。ggplot2 官方指南，数据可视化领域的权威读物。⭐⭐⭐⭐⭐

• 📘 R Graphics Cookbook2nd edition — 作者：Winston Chang。图形制作实用手册，覆盖 ggplot2 和 base R 图形系统。⭐⭐⭐⭐

🌐 在线教程 / 网页资源

• 🌐 Cookbook for R - Graphs — 提供大量图形绘制范例，查询便捷，适合快速解决可视化问题。⭐⭐⭐⭐

• 🌐 Geocomputation with R — 介绍如何使用 R 进行地理空间数据处理与可视化，涵盖 sf、raster、tmap 等包。⭐⭐⭐⭐⭐

• 🌐 DiagrammeR 官方文档 — 绘制流程图、图结构与网络图工具包，支持 graphviz 与 mermaid 语法。⭐⭐⭐⭐

• 🌐 flextable R package ⭐⭐⭐⭐⭐

1.4.3 文本分析

📘 图书资源

• 📘 Text Mining with R Tidytext教程 — 作者：Julia Silge 和 David Robinson。基于 tidytext 包，系统讲解如何使用 tidyverse 工具进行文本挖掘。⭐⭐⭐⭐⭐

🌐 在线教程 / 网页资源

• 🌐 Quanteda软件包官网 — 作者：Kenneth Benoit and Kohei Watanabe。系统介绍Quanteda、文本分析基础与工具，适合语言类课程使用。⭐⭐⭐⭐

• 🌐 Corpus Linguistics 课程讲义 — 作者：Alvin Cheng-Hsien Chen。系统介绍语料库语言学、文本分析基础与工具，适合语言类课程使用。⭐⭐⭐⭐

• 🌐 Text mining in R for the social sciences and digital humanities — 作者：Andreas Niekler, Gregor Wiedemann。系统介绍语料库语言学、文本分析基础与工具，适合语言类课程使用。⭐⭐⭐⭐

• 🌐 Computational Stylistics Group — 跨机构研究团队（the Institute of Polish Language (Polish Academy of Sciences), but also at the Jagiellonian University and the University of Antwerp），聚焦计算风格学、文本风格分析、作者识别、情感分析等，强调语言学、文学批评与计算方法的交叉融合。⭐⭐⭐⭐

1.4.4 语音分析

🌐 在线教程 / 使用手册

• 🌐 wrassp 入门教程 — 介绍如何使用 wrassp 包进行音频信号分析，含实例与语法讲解。是 R 对 Michel Scheffers 的 libassp（高级语音信号处理器）库的封装。支持处理常见音频格式并执行语音科学常用的分析功能，包括：共振峰、基频、均方根能量、自动相关、频谱分析、零交叉率、滤波等。该包为 R 提供了 libassp 功能的主要子集，力求以用户友好的方式服务于语音信号分析。⭐⭐⭐⭐⭐

• 🌐 soundgen 教程：声学分析 — 基于 seewave 的功能，扩展了音频合成、处理和分析的高级函数。适用于声学特征提取与声音合成任务，特别适合语音/动物声音分析教学与研究。⭐⭐⭐⭐

• 🌐 EMU-SDMS 官方手册 — EMU 语音数据库管理系统（EMU-SDMS）为一个集成式语音数据库解决方案，支持语音数据的生成、注释、查询、分析与管理。系统介绍 EMU 的结构、标注、音频管理与可视化工具，适合深入研究语音数据库的用户。⭐⭐⭐⭐⭐

• 🌐 国际音标在线输入键盘 — 可交互地输入国际音标符号，适合语音学学习、作业编辑与标注使用。⭐⭐⭐⭐

• 🌐 Praat 脚本资源（UCLA） — 提供常用的 Praat 脚本集合，用于自动化语音信号分析任务。⭐⭐⭐⭐⭐

• 🌐 语音学基础练习：The Articulatory System — 开源教材中的一章，介绍发音器官及基本发音方式，适合初学者练习。⭐⭐⭐⭐

• 🌐 R 语言绘制元音图教程 — 教你如何使用 R 可视化元音的 F1-F2 图，适用于语音学与音系学研究。⭐⭐⭐⭐

• 🌐 用 R 绘制 Praat 风格图形 — 教程介绍如何使用 praatpicture 包生成波形图与频谱图，风格接近 Praat。⭐⭐⭐⭐

• 🌐 EMU-R 系统概览章节 — 介绍 EMU-SDMS 系统的整体结构、主要模块和工作流程，是进行语音数据库管理的关键参考。⭐⭐⭐⭐⭐

• 🌐 SWPhonetics：基于共振峰计算元音发音位置 — 提供详细算法与可视化方法，支持在线计算与下载数据。⭐⭐⭐⭐

• 🌐 社科院语音数据库 AESOP — 包含多语言语音语料，适用于跨语言声学分析、语音合成与识别研究。⭐⭐⭐⭐⭐

1.4.5 统计建模

📘 图书资源

• 📘 Learning Statistics with R: A Tutorial for Psychology Students and Other Beginners — 面向心理学初学者的统计入门教材，内容涵盖描述性统计、推论统计及线性建模，风格友好。⭐⭐⭐⭐⭐

• 📘 Hands-On Machine Learning with R — 以实际应用为导向，系统介绍机器学习在 R 中的实现，包括支持向量机、随机森林等。⭐⭐⭐⭐

• 📘 Statistical Thinking for the 21st Century — 现代统计思维教材，强调模型建构与理解而非公式推导，适合数据科学初学者。⭐⭐⭐⭐

• 📘 Statistical Inference via Data ScienceSecond edition — 作者Chester Ismay、Albert Y. Kim。⭐⭐⭐⭐

🌐 在线教程 / 网页资源

• 🌐 R Companion to the Handbook of Biological Statistics — 提供 R 实现的统计方法指南，适用于生命科学、行为科学等领域，内容实用详尽，当我需要了解如何进行各种t检验、ANOVA或回归分析时，我常用的参考。⭐⭐⭐⭐⭐

• 🌐 A Primer on Factor Analysis in Research using Reproducible R Software — 基于 R 的主成分分析与因子分析入门手册，强调可重复研究实践。⭐⭐⭐⭐

📄 学术文章

• 📄 Schad, D. J., Vasishth, S., Hohenstein, S., & Kliegl, R. (2020).
  How to capitalize on a priori contrasts in linear (mixed) models: A tutorial.
  Journal of Memory and Language, 110, 104038. https://doi.org/10.1016/j.jml.2019.104038
  → 线性混合模型中对比编码的实用教程，尤其适用于语言学研究设计。⭐⭐⭐⭐⭐

• 📄 Quené, H., & van den Bergh, H. (2008).
  Examples of mixed-effects modeling with crossed random effects and with binomial data.
  Journal of Memory and Language, 59(4), 413–425. https://doi.org/10.1016/j.jml.2008.02.002
  → 展示如何处理交叉随机效应与二项数据，是语音与语言学数据建模的经典范例。⭐⭐⭐⭐

• 📄 Jaeger, T. F. (2008).
  Categorical data analysis: Away from ANOVAs (transformation or not) and towards logit mixed models.
  Journal of Memory and Language, 59(4), 434–446. https://doi.org/10.1016/j.jml.2007.11.007
  → 推崇使用逻辑回归混合模型分析分类数据，为语言学研究方法变革的重要文章。⭐⭐⭐⭐⭐

• 📄 Oleson, J. J., Brown, G. D., & McCreery, R. (2019).
  Essential Statistical Concepts for Research in Speech, Language, and Hearing Sciences.
  Journal of Speech, Language, and Hearing Research, 62(3), 489–497. https://doi.org/10.1044/2018_JSLHR-S-ASTM-18-0239
  → 为言语、语言与听觉研究提供核心统计概念梳理，适合初学者和研究者阅读。⭐⭐⭐⭐

1.4.6 机器学习

📘 图书资源

• 陈文贤. (2020). 大话数据科学. 北京: 清华大学出版社。
  用通俗幽默的语言介绍数据科学的基本思想、流程和方法，适合中文读者理解建模思维与统计推理的基本框架。⭐⭐⭐⭐⭐

🌐 在线教程/网页

• A Primer on Factor Analysis in Research using Reproducible R Software 因子分析
  因子分析基础教程，基于 R 语言的可复现分析流程，适合社会科学与心理语言学研究者。⭐⭐⭐⭐⭐

• Tidymodels with R
  • 系统介绍了基于 tidymodels 的现代建模流程，包括数据预处理、建模、调参与评估等步骤。⭐⭐⭐⭐⭐
• Tidymodels Packages Overview
  • 提供 tidymodels 生态系统中各 R 包的功能简介与使用文档链接，是了解整体框架的入口页面。

• The caret package (short for Classification And REgression Training) is a set of functions that attempt to streamline the process for creating predictive models. ⭐⭐⭐⭐⭐

1.4.7 网络分析

📘 图书资源

• 📘 Network Analysis in R — 作者：Robert Wiederstein。全面介绍R语言中的网络分析方法，涵盖基础理论和实践应用。⭐⭐⭐⭐

🌐 在线教程/网页资源

• 🌐 An Introduction to Network Analysis for Psycholinguists — 作者：Cynthia Siew。针对心理语言学领域的网络分析入门教程，特别关注社区结构等中观层面分析。⭐⭐⭐

• 🌐 Static and dynamic network visualization with R — 作者：Katya Ognyanova。详细讲解R中静态和动态网络可视化的方法与技巧，包含丰富代码示例。⭐⭐⭐⭐⭐
• 🌐 Introduction to Network Analysis with R — 作者：Jesse Sadler。R语言网络分析入门指南，适合初学者快速上手。⭐⭐⭐⭐

• 🌐 ggnet2: network visualization with ggplot2 — 作者：François Briatte。介绍如何使用ggplot2风格的ggnet2包进行网络可视化。⭐⭐⭐

📄 学术文章

• 📄 Network Analysis in R Journal — R Journal发表的网络分析专题论文，涵盖前沿方法与应用案例。⭐⭐⭐⭐

1.4.8 网络抓取

🌐 在线教程/网页资源

• 🌐 rvest: easy web scraping with R — RStudio官方博客文章，介绍rvest包的基本用法和网页抓取原理。⭐⭐⭐⭐

• 🌐 Web Scraping in R using rvest — DataCamp社区教程，提供rvest包网页抓取的实战案例和分步指导。⭐⭐⭐⭐⭐

• 🌐 Beginner’s Guide to Web Scraping in R using rvest — Analytics Vidhya的入门指南，包含实际案例和操作知识。⭐⭐⭐

1.4.9 社交媒体分析

📘 图书资源

• 📘 Learning Social Media Analytics with R — O’Reilly出版的实用指南，涵盖使用R进行社交媒体数据收集、分析和可视化全流程。⭐⭐⭐⭐

🌐 在线教程/网页资源

• 🌐 Network Analysis and Visualization — 作者：Pablo Barberá。UPF大学大数据课程讲义，重点介绍社交媒体网络分析和可视化技术。⭐⭐⭐⭐⭐

1.4.10 学科研究

🌐 在线工具与平台

• 🌐 bibliometrix — 专业的文献计量分析工具，提供完整的科学计量学和知识图谱分析解决方案。支持R语言接口。⭐⭐⭐⭐⭐

📚 心理学研究资源

• 📚 Using R for psychological research — 心理学研究中R语言应用的权威指南，涵盖实验设计到数据分析全流程。⭐⭐⭐⭐

• 📚 The psych and psychTools packages — 心理学研究必备R包，提供心理测量、人格分析和问卷开发等专业功能。⭐⭐⭐⭐⭐

1.4.11 文档输出

📘 图书资源

• 📘 R Markdown: The Definitive Guide — 作者：Yihui Xie。R Markdown 权威指南，涵盖从基础到高级的所有功能。⭐⭐⭐⭐⭐

• 📘 bookdown: Authoring Books and Technical Documents — 作者：Yihui Xie。使用 R Markdown 编写书籍和技术文档的完整指南。⭐⭐⭐⭐⭐

🌐 网站和博客资源

• 🌐 blogdown: Creating Websites with R Markdown — 使用 R Markdown 创建静态网站的详细教程。⭐⭐⭐⭐

📊 幻灯片制作

• 📊 xaringan: Creating remark.js Slides — 通过 R Markdown 创建 remark.js 幻灯片的包。⭐⭐⭐⭐

• 📊 reveal.js Presentations — 使用 R Markdown 制作 reveal.js 幻灯片的指南。⭐⭐⭐

• 📊 reveal.js 官方仓库 — reveal.js 的官方文档，支持 Markdown 语法。⭐⭐⭐⭐

🛠️ 交互式工具

• 🛠️ learnr 交互式教程 — 创建交互式教程的 R 包。⭐⭐⭐⭐

• 🛠️ pkgdown 文档 — 为 R 包创建专业文档网站的工具。⭐⭐⭐⭐⭐

🎨 特殊样式

• 🎨 Tufte 样式 — 实现 Edward Tufte 风格的 R Markdown 文档。⭐⭐⭐

• 🎨 DataTables 交互式表格 — 在 R Markdown 中创建交互式表格。⭐⭐⭐⭐