第 9.4 節 Orange 教學，以 Journal of Information Systems 截至 2021 年底的文章示範文字探勘流程。
理解文字蒐集與清理、前處理、分析、報告四階段，以及 Orange 如何用視覺化元件完成工作流程。
原書把同一批期刊文獻用 Orange 與後續 JMP Pro 分別分析，以便比較免費開源與商業工具的文字探勘能力。
| 步驟 | 原書主要工作 |
|---|---|
| 1 蒐集與清理 | 匯入文章、去重複、依語言／文件類型／長度／時間等篩選 |
| 2 文字前處理 | 斷詞、正規化、詞幹／詞形還原、n-gram、停用詞；建立文件—詞彙矩陣（Document-Term Matrix, DTM），並以奇異值分解（Singular Value Decomposition, SVD）進行降維 |
| 3 文字分析 | 主題模型、情緒分析等 |
| 4 報告 | 主題—詞彙表、文字雲、多維尺度、LDAvis 等 |
| 原書 Orange 主題模型 | 潛在語意索引／分析（Latent Semantic Indexing/Analysis, LSI/LSA）、潛在狄利克雷配置（Latent Dirichlet Allocation, LDA）、階層式狄利克雷程序（Hierarchical Dirichlet Process, HDP）、負矩陣分解（Negative Matrix Factorization, NMF），共 4 類 |
Corpus／Import Documents → Preprocess Text → Bag of Words 建立 DTM → Topic Modeling → 資料表／文字雲／多維尺度法（Multidimensional Scaling, MDS）／LDAvis。原書指出四種主題模型可同時執行。
本教學著重工作流程與功能比較，原書沒有列出固定文章數、最終主題數或主題準確率，因此沒有可重算的統一數值結果。
視覺化工作流程可以降低文字分析的程式門檻，但主題數、前處理與解讀仍需要分析者判斷；工具不會自動保證主題有商業意義。
將一份文獻分析流程按「蒐集清理→前處理→分析→報告」四階段檢查，指出每階段的輸入、輸出與需要人工判斷的地方。
問題： 若跳過前處理直接做主題模型，可能有何影響？
參考解答： 未處理的停用詞、詞形差異與雜訊可能進入 DTM，使主題更難解讀；原書把前處理列為獨立必要步驟。