LDA モデルは、トピックに関連する単語の混合比と、各文書を説明するトピックの混合比を同時に推定する数理モデルです。
次のリストから、R の LDA() 関数への入力を選んでください。
LDA()
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
Twitterデータの力と、ソーシャルメディア分析で何ができるのかを理解することから始めます。この章では、Twitter APIと強力な『rtweet』ライブラリの関数を使って、最初のツイートセットを抽出します。続いて、抽出したTwitterデータの各要素をどのように活用して、ソーシャルメディア分析のためのインサイトを導けるかを探っていきます。
さらに深掘りしていきます。ツイートにフィルターを適用する方法や、黄金比や購読しているTwitterリストを用いてTwitterユーザーのデータを分析する方法を学びます。加えて、トレンドトピックの抽出や、時間の経過に沿ったTwitterデータの分析によって、興味深いインサイトを見つける方法も身につけます。
百聞は一見にしかず。この章では、棒グラフやワードクラウドを使ってツイートのテキストを可視化する方法を学びます。ツイート本文を前処理して、分析に適したクリーンなテキストコーパスを作成する手順も扱います。ツイートから、特定のテーマやブランドについての主要な話題や人々の見方を抽出できると想像してみてください。トピックモデリングと感情分析を使えば、まさにそれができるようになります。
現在の演習
Twitterユーザーはツイート、いいね、フォロー、リツイートを通じて、複雑なネットワーク構造を作ります。最終章では、これらのネットワーク構造を分析し、個々のユーザー間の関係をリツイートネットワークとして可視化する方法を学びます。さらに、ツイートから位置情報を抽出して地図上に表示し、どの州や国であなたのブランドについて最も語られているのか、といった強力な問いに答えられるようになります。地理情報は、Twitterデータ分析に新たな次元をもたらします。
