Filtrování tweetů

Analýza dat ze sociálních médií v R

Vivek Vijayaraghavan

Data Science Coach

Přehled lekce

  • Filtrování podle složek tweetu
    • Extrakce původních tweetů
    • Jazyk tweetu
    • Populární tweety podle minimálního počtu retweetů a oblíbení
Analýza dat ze sociálních médií v R

Filtrování původních tweetů

  • Původní tweet je příspěvek zveřejněný samotným uživatelem
  • Není to retweet, citace ani odpověď
  • Původní tweety zajišťují, že obsah není opakující se
  • Pomáhají udržovat míru zapojení uživatelů
Analýza dat ze sociálních médií v R

Filtrování původních tweetů

  • -filter slouží k extrakci původních tweetů
  • -filter:retweets vyloučí všechny retweety
  • -filter:quote odfiltruje citované tweety
  • -filter:replies zajistí vyloučení odpovědí
Analýza dat ze sociálních médií v R

Tweety bez filtrů

  • Extrakce tweetů o „digital marketing" bez filtrů
# Extract 100 tweets on "digital marketing"
tweets_all <- search_tweets("digital marketing", n = 100)
Analýza dat ze sociálních médií v R

Tweety bez filtrů

  • Kontrola počtu hodnot ve sloupcích reply_to_screen_name, is_quote, is_retweet
# Check for count of replies
library(plyr)
count(tweets_all$reply_to_screen_name)

x               freq
<fct>          <int>
blairaasmith      2            
javiergosende     1            
juanburgos        1            
WhutTheHale       2            
NA               94
Analýza dat ze sociálních médií v R

Extract tweets without filters

# Check for count of quotes
count(tweets_all$is_quote)

x        freq
<lgl>    <int>
FALSE     98            
TRUE       2
Analýza dat ze sociálních médií v R

Extract tweets without filters

# Check for count of retweets
count(tweets_all$is_retweet)

x         freq
<lgl>    <int>
FALSE      61            
TRUE       39
Analýza dat ze sociálních médií v R

Vyloučení retweetů, citací a odpovědí

  • Extrakce tweetů o „digital marketing" pomocí -filter
# Apply the '-filter'
tweets_org <- search_tweets("digital marketing 
                            -filter:retweets 
                            -filter:quote 
                            -filter:replies", 
                            n = 100)
Analýza dat ze sociálních médií v R

Vyloučení retweetů, citací a odpovědí

  • Ověření, zda jsou odpovědi, citace a retweety vyloučeny
# Check for count of replies
library(plyr)
count(tweets_org$reply_to_screen_name)

x         freq
<lgl>    <int>
NA         100
Analýza dat ze sociálních médií v R

Vyloučení retweetů, citací a odpovědí

# Check for count of quotes
library(plyr)
count(tweets_org$is_quote)


x         freq
<lgl>    <int>
FALSE     100

# Check for count of retweets
library(plyr)
count(tweets_org$is_retweet)

x         freq
<lgl>    <int>
FALSE     100
Analýza dat ze sociálních médií v R

Filtrování tweetů podle jazyka

  • lang filtruje tweety podle jazyka
  • Odpovídá tweetům v daném jazyce

Kódy jazyků Twitteru pro vybrané jazyky

Analýza dat ze sociálních médií v R

Filtrování tweetů podle jazyka

# Filter and extract tweets posted in Spanish
tweets_lang <- search_tweets("brand marketing", lang = "es")
Analýza dat ze sociálních médií v R

Filtrování tweetů podle jazyka

View(tweets_lang)

Tweety extrahované ve španělštině

Analýza dat ze sociálních médií v R

Filtrování tweetů podle jazyka

head(tweets_lang$lang)

[1] "es" "es" "es" "es" "es" "es"
Analýza dat ze sociálních médií v R

Filtrování podle počtu retweetů a oblíbení

  • min_faves: filtruje tweety s minimálním počtem oblíbení
  • min_retweets: filtruje tweety s minimálním počtem retweetů
  • Operátor AND umožňuje kontrolu obou podmínek
Analýza dat ze sociálních médií v R

Filtrování podle počtu retweetů a oblíbení

# Extract tweets with minimum 100 favorites and retweets 
tweets_pop <- search_tweets("bitcoin min_faves:100 AND
                            min_retweets:100")
Analýza dat ze sociálních médií v R

Filtrování podle počtu retweetů a oblíbení

# Create a data frame to check retweet and favorite counts
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
Analýza dat ze sociálních médií v R

Filtrování podle počtu retweetů a oblíbení

# View the tweets
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.
Analýza dat ze sociálních médií v R

Pojďme si procvičit!

Analýza dat ze sociálních médií v R

Preparing Video For Download...