Miary centralności sieci

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

To ćwiczenie jest częścią kursu

Analiza danych z mediów społecznościowych w R

SkillTag.level.intermediateSkillTag.label

4.9+

90 reviews

Rozpocznij kurs za darmo

Odkryj możliwości, jakie dają dane z Twittera, i sprawdź, co można osiągnąć dzięki analizie mediów społecznościowych. W tym rozdziale pobierzesz swój pierwszy zestaw tweetów za pomocą Twitter API i funkcji z biblioteki `rtweet`. Następnie przeanalizujesz składniki pobranych danych z Twittera, aby wyciągać z nich wnioski przydatne w analizie mediów społecznościowych.

Exercise 1: Analiza danych z Twittera Exercise 2: Potęga danych z Twittera Exercise 3: Zalety i wady danych z Twittera Exercise 4: Pobieranie danych z Twittera Exercise 5: Wymagania wstępne do skonfigurowania środowiska R Exercise 6: Wyszukiwanie i pobieranie tweetów Exercise 7: Wyszukiwanie i pobieranie osi czasu Exercise 8: Składowe danych z Twittera Exercise 9: Zainteresowanie użytkowników i liczba tweetów Exercise 10: Porównaj liczbę obserwujących Exercise 11: Liczba retweetów

Czas zagłębić się w temat. Dowiesz się, jak stosować filtry do tweetów i analizować dane użytkowników Twittera za pomocą złotego wskaźnika oraz list, które obserwują. Nauczysz się też pobierać trendy i analizować dane z Twittera w czasie, aby odkrywać interesujące zależności.

Exercise 1: Filtrowanie tweetów Exercise 2: Filtrowanie oryginalnych tweetów Exercise 3: Filtrowanie tweetów według języka Exercise 4: Filtrowanie na podstawie popularności tweetów Exercise 5: Analiza użytkowników Twittera Exercise 6: Wyodrębnianie informacji o użytkownikach Exercise 7: Eksploracja użytkowników na podstawie złotego wskaźnika Exercise 8: Subskrybenci list na Twitterze Exercise 9: Trendy na Twitterze Exercise 10: Dostępne trendy Exercise 11: Trendy według nazwy kraju Exercise 12: Trendy według miasta i najczęściej tweetowane trendy Exercise 13: Wizualizacja danych z Twittera w czasie Exercise 14: Wizualizacja częstotliwości tweetów Exercise 15: Tworzenie obiektów szeregów czasowych Exercise 16: Porównanie częstotliwości tweetów dla dwóch marek

Obraz mówi więcej niż tysiąc słów! W tym rozdziale odkryjesz, jak wizualizować treść tweetów za pomocą wykresów słupkowych i chmur słów. Nauczysz się przetwarzać tekst tweetów i przygotowywać czysty korpus tekstowy do analizy. Wyobraź sobie, że możesz wyodrębnić główne tematy dyskusji i opinie ludzi na temat danej marki – właśnie to umożliwia modelowanie tematyczne i analiza sentymentu.

Exercise 1: Przetwarzanie tekstu z Twittera Exercise 2: Usuwanie adresów URL i znaków innych niż litery Exercise 3: Tworzenie korpusu i konwersja na małe litery Exercise 4: Usuń stop words i dodatkowe spacje Exercise 5: Wizualizacja popularnych terminów Exercise 6: Usuwanie niestandardowych słów stopu Exercise 7: Wizualizacja popularnych terminów za pomocą wykresów słupkowych Exercise 8: Chmury słów jako narzędzie wizualizacji Exercise 9: Modelowanie tematyczne tweetów Exercise 10: Algorytm LDA Exercise 11: Tworzenie macierzy dokumentów i terminów Exercise 12: Tworzenie modelu tematycznego Exercise 13: Analiza sentymentu tweetów Exercise 14: Wyodrębnij wyniki sentymentu Exercise 15: Analiza wydźwięku emocjonalnego

Użytkownicy Twittera tweetują, lajkują, obserwują i retweetują, tworząc rozbudowane struktury sieci. W tym ostatnim rozdziale nauczysz się analizować te struktury i wizualizować powiązania między użytkownikami w postaci sieci retweetów. Pobierając dane geolokalizacyjne z tweetów, dowiesz się też, jak wyświetlać lokalizacje tweetów na mapie – i odpowiadać na ważne pytania: które stany lub kraje najchętniej mówią o twojej marce? Dane geograficzne dodają nowy wymiar do analizy danych z Twittera.

Exercise 1: Analiza sieci na Twitterze Exercise 2: Przygotowanie danych do sieci retweetów Exercise 3: Tworzenie sieci retweetów Exercise 4: Miary centralności sieci

Bieżące ćwiczenie

Exercise 5: Obliczanie wyników out-degree Exercise 6: Oblicz wartości in-degree Exercise 7: Obliczanie wskaźników pośrednictwa Exercise 8: Wizualizacja sieci na Twitterze Exercise 9: Tworzenie wykresu sieci z atrybutami Exercise 10: Wykres sieci oparty na mierze centralności Exercise 11: Liczba obserwujących jako element wykresu sieci Exercise 12: Umieszczanie danych z Twittera na mapie Exercise 13: Ekstrakcja współrzędnych geolokalizacyjnych Exercise 14: Dane z Twittera na mapie Exercise 15: Podsumowanie kursu