Lọc tweet

Phân tích dữ liệu mạng xã hội bằng R

Vivek Vijayaraghavan

Data Science Coach

Tổng quan bài học

Lọc theo thành phần của tweet
- Trích xuất tweet gốc
- Ngôn ngữ của tweet
- Tweet phổ biến theo ngưỡng retweet và yêu thích tối thiểu

Lọc tweet gốc

Tweet gốc là bài đăng nguyên bản của người dùng Twitter
Không phải retweet, trích dẫn, hay trả lời
Tweet gốc giúp nội dung không lặp lại
Giúp duy trì mức độ tương tác

Lọc tweet gốc

Dùng -filter để trích xuất tweet gốc
-filter:retweets loại trừ mọi retweet
-filter:quote loại tweet trích dẫn
-filter:replies đảm bảo loại tweet trả lời

Trích xuất tweet không dùng bộ lọc

Trích xuất tweet về "digital marketing" không dùng bộ lọc

# Trích xuất 100 tweet về "digital marketing"
tweets_all <- search_tweets("digital marketing", n = 100)

Trích xuất tweet không dùng bộ lọc

Kiểm đếm giá trị trong các cột reply_to_screen_name, is_quote, is_retweet

# Kiểm tra số lượng trả lời
library(plyr)
count(tweets_all$reply_to_screen_name)

x               freq
<fct>          <int>
blairaasmith      2            
javiergosende     1            
juanburgos        1            
WhutTheHale       2            
NA               94

Trích xuất tweet không dùng bộ lọc

# Kiểm tra số lượng tweet trích dẫn
count(tweets_all$is_quote)

x        freq
<lgl>    <int>
FALSE     98            
TRUE       2

Trích xuất tweet không dùng bộ lọc

# Kiểm tra số lượng retweet
count(tweets_all$is_retweet)

x         freq
<lgl>    <int>
FALSE      61            
TRUE       39

Loại trừ retweet, trích dẫn và trả lời

Trích xuất tweet về "digital marketing" dùng -filter

# Áp dụng '-filter'
tweets_org <- search_tweets("digital marketing 
                            -filter:retweets 
                            -filter:quote 
                            -filter:replies", 
                            n = 100)

Loại trừ retweet, trích dẫn và trả lời

Kiểm tra đầu ra để xác nhận đã loại trừ trả lời, trích dẫn và retweet

# Kiểm tra số lượng trả lời
library(plyr)
count(tweets_org$reply_to_screen_name)

x         freq
<lgl>    <int>
NA         100

Loại trừ retweet, trích dẫn và trả lời

# Kiểm tra số lượng trích dẫn
library(plyr)
count(tweets_org$is_quote)

x         freq
<lgl>    <int>
FALSE     100

# Kiểm tra số lượng retweet
library(plyr)
count(tweets_org$is_retweet)

x         freq
<lgl>    <int>
FALSE     100

Lọc tweet theo ngôn ngữ

lang lọc tweet theo ngôn ngữ
Khớp tweet của một ngôn ngữ cụ thể

Mã ngôn ngữ Twitter cho một số ngôn ngữ

Lọc tweet theo ngôn ngữ

# Lọc và trích xuất tweet đăng bằng tiếng Tây Ban Nha
tweets_lang <- search_tweets("brand marketing", lang = "es")

Lọc tweet theo ngôn ngữ

View(tweets_lang)

Tweet trích xuất bằng tiếng Tây Ban Nha

Lọc tweet theo ngôn ngữ

head(tweets_lang$lang)

[1] "es" "es" "es" "es" "es" "es"

Lọc theo số retweet và yêu thích

min_faves: lọc tweet có số yêu thích tối thiểu
min_retweets: lọc tweet có số retweet tối thiểu
Dùng toán tử AND để thỏa cả hai điều kiện

Lọc theo số retweet và yêu thích

# Trích xuất tweet có tối thiểu 100 yêu thích và retweet 
tweets_pop <- search_tweets("bitcoin min_faves:100 AND
                            min_retweets:100")

Lọc theo số retweet và yêu thích

# Tạo data frame để kiểm tra số retweet và yêu thích
counts <- tweets_pop[c("retweet_count", "favorite_count")]

head(counts)

retweet_count    favorite_count
    <int>              <int>
1    162                833
2    141                894    
3    164                1128
4    395                1346    
5    475                2271
6    270                1654

Lọc theo số retweet và yêu thích

# Xem các tweet
head(tweets_pop$text)

text    
<chr>
1    As we continue to build the Bakkt Bitcoin Futures contract, we reached a
2    BREAKING: The United States is considering entering into a "currency pact"
3    REMINDER: The Bitcoin ETF will eventually get approved.\n\nNot a question
4    [New Post] Bitcoin is becoming much more important in Hong Kong and India.
5    Reports are surfacing that some Hong Kong ATMs have run out of cash as
6    Bitcoin is the most transparent currency ever created.

Ayo berlatih!

Phân tích dữ liệu mạng xã hội bằng R