Vizualizarea termenilor populari

Analiza datelor din social media în R

Vivek Vijayaraghavan

Data Science Coach

Prezentarea lecției

Extragerea celor mai frecvenți termeni din corpusul text
Eliminarea cuvintelor de oprire personalizate și rafinarea corpusului
Vizualizarea termenilor populari cu grafice de bare și nori de cuvinte

Frecvența termenilor

Extrageți frecvența termenilor, adică numărul de apariții ale fiecărui cuvânt

# Extract term frequency
library(qdap)
term_count  <-  freq_terms(twt_corpus_final, 60)
term_count

Frecvența termenilor

Eliminarea cuvintelor de oprire personalizate

# 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)

Numărul de termeni după rafinarea corpusului

# Term count after refining corpus
term_count_clean <- freq_terms(twt_corpus_refined, 20)
term_count_clean

Frecvența termenilor după rafinarea corpusului

Un brand ce promovează un program de gestionare a obezității poate analiza acești termeni

Grafic de bare al termenilor populari

Creați un grafic de bare pentru termenii care apar de peste 50 de ori
Graficele de bare rezumă termenii populari într-o formă ușor de interpretat

# Create a subset dataframe
term50 <- subset(term_count_clean, FREQ > 50)

Grafic de bare al celor mai populari termeni

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))

Grafic de bare al termenilor populari

Nor de cuvinte

Vizualizați termenii frecvenți folosind nori de cuvinte
Un nor de cuvinte este o imagine compusă din cuvinte
Dimensiunea fiecărui cuvânt indică frecvența sa
Imagine promoțională eficientă pentru campanii
Transmite mesajul brandului și evidențiază termenii populari

Nor de cuvinte bazat pe frecvența minimă

Funcția wordcloud() ajută la crearea norilor de cuvinte

# 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)

Nor de cuvinte bazat pe frecvența minimă

Nor de cuvinte colorat

# 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)

Nor de cuvinte colorat

Nor de cuvinte cu culori diferite

Să exersăm!

Analiza datelor din social media în R