Vizualizace oblíbených termínů

Analýza dat ze sociálních médií v R

Vivek Vijayaraghavan

Data Science Coach

Přehled lekce

  • Extrahujte nejčastější termíny z textového korpusu
  • Odstraňte vlastní stopslova a vyčistěte korpus
  • Vizualizujte oblíbené termíny pomocí sloupcového grafu a wordcloudu
Analýza dat ze sociálních médií v R

Četnost termínů

  • Extrahujte četnost termínů, tj. počet výskytů každého slova
# Extract term frequency
library(qdap)
term_count  <-  freq_terms(twt_corpus_final, 60)
term_count
Analýza dat ze sociálních médií v R

Četnost termínů

Četnost termínů

Analýza dat ze sociálních médií v R

Odstraňování vlastních stopword

# Create a vector of custom stop words
custom_stop <- c("obesity", "can", "amp", "one", "like", "will", "just", 
                "many", "new", "know", "also", "need", "may", "now", 
                "get", "s", "t", "m", "re")

# Remove custom stop words
twt_corpus_refined <- tm_map(twt_corpus_final,removeWords, custom_stop)
Analýza dat ze sociálních médií v R

Četnost termínů po vyčištění korpusu

# Term count after refining corpus
term_count_clean <- freq_terms(twt_corpus_refined, 20)
term_count_clean
Analýza dat ze sociálních médií v R

Četnost termínů po vyčištění korpusu

Četnost termínů po vyčištění korpusu

  • Značka propagující program pro léčbu obezity může tyto termíny analyzovat
Analýza dat ze sociálních médií v R

Sloupcový graf oblíbených termínů

  • Vytvořte sloupcový graf termínů s četností vyšší než 50
  • Sloupcové grafy přehledně zobrazují oblíbené termíny
# Create a subset dataframe
term50 <- subset(term_count_clean, FREQ > 50)
Analýza dat ze sociálních médií v R

Sloupcový graf nejoblíbenějších termínů

library(ggplot2)

# Create a bar plot of frequent terms
ggplot(term50, aes(x = reorder(WORD,  -FREQ),  y = FREQ)) +
       geom_bar(stat = "identity", fill = "blue") + 
       theme(axis.text.x = element_text(angle = 45, hjust = 1))
Analýza dat ze sociálních médií v R

Sloupcový graf oblíbených termínů

Sloupcový graf oblíbených termínů

Analýza dat ze sociálních médií v R

Wordcloud

  • Vizualizujte časté termíny pomocí wordcloudů
  • Wordcloud je obrázek tvořený slovy
  • Velikost každého slova odpovídá jeho četnosti
  • Účinný propagační materiál pro kampaně
  • Sděluje poselství značky a zdůrazňuje oblíbené termíny
Analýza dat ze sociálních médií v R

Wordcloud podle minimální četnosti

  • Funkce wordcloud() slouží k vytváření wordcloudů
# Create a word cloud based on min frequency
library(wordcloud)
wordcloud(twt_corpus_refined, min.freq = 20, colors = "red", 
          scale = c(3,0.5), random.order = FALSE)
Analýza dat ze sociálních médií v R

Wordcloud podle minimální četnosti

Wordcloud podle minimální četnosti

Analýza dat ze sociálních médií v R

Barevný wordcloud

# Create a colorful word cloud
library(RColorBrewer)
wordcloud(twt_corpus_refined, max.words = 100, 
          colors = brewer.pal(6,"Dark2"), scale = c(2.5,.5),
          random.order = FALSE)
Analýza dat ze sociálních médií v R

Barevný wordcloud

Wordcloud s různými barvami

Analýza dat ze sociálních médií v R

Lass uns üben!

Analýza dat ze sociálních médií v R

Preparing Video For Download...