LDA-algoritmen

LDA-modellen är en matematisk modell som samtidigt uppskattar blandningen av ord kopplade till ett ämne och blandningen av ämnen som beskriver varje dokument.

Välj i listan nedan vilka indata som används i funktionen LDA() i R:

Tweet-korpusen
Dokument-term-matrisen
Antalet ämnen
Antalet ord i ett ämne

Den här övningen är en del av kursen

Analysera data från sociala medier i R

Visa kurs

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Analysera data från sociala medier i R

SkillTag.level.intermediateSkillTag.label

4.9+

90 reviews

Starta kursen gratis

Kom igång med att förstå kraften i Twitter-data och vad du kan uppnå med analys av sociala medier. I det här kapitlet hämtar du din första uppsättning tweets med hjälp av Twitter API och funktioner från det kraftfulla biblioteket 'rtweet'. Sedan utforskar du hur du kan använda komponenterna i din hämtade Twitter-data för att ta fram insikter inom analys av sociala medier.

Exercise 1: Analysera Twitter-data Exercise 2: Kraften i Twitter-data Exercise 3: För- och nackdelar med Twitter-data Exercise 4: Extrahera Twitter-data Exercise 5: Förutsättningar för att konfigurera R-miljön Exercise 6: Sök och extrahera tweets Exercise 7: Sök och extrahera tidslinjeposter Exercise 8: Komponenter i Twitter-data Exercise 9: Användarintresse och antal tweets Exercise 10: Jämför antal följare Exercise 11: Antal retweets

Nu går vi djupare. Lär dig hur du kan tillämpa filter på tweets och analysera Twitter-användardata med hjälp av gyllene snittet och de Twitter-listor de prenumererar på. Du lär dig också hur du hämtar trendande ämnen och analyserar Twitter-data över tid för att identifiera intressanta insikter.

Exercise 1: Filtrera tweets Exercise 2: Filtrera fram ursprungliga tweets Exercise 3: Filtrera på tweetspråk Exercise 4: Filtrera efter tweetpopularitet Exercise 5: Analys av Twitter-användare Exercise 6: Extrahera användarinformation Exercise 7: Utforska användare baserat på gyllene snittet Exercise 8: Prenumeranter på Twitter-listor Exercise 9: Trender på Twitter Exercise 10: Tillgängliga trender Exercise 11: Trender per land Exercise 12: Trender per stad och mest tweetade trender Exercise 13: Visualisera Twitter-data över tid Exercise 14: Visualisera tweetfrekvens Exercise 15: Skapa tidsserieobjekt Exercise 16: Jämför tweetfrekvenser för två varumärken

En bild säger mer än tusen ord! I det här kapitlet lär du dig hur du kan visualisera text från tweets med hjälp av stapeldiagram och ordmoln. Du lär dig att bearbeta tweettexter och förbereda ett rensat textkorpus för analys. Med hjälp av ämnesmodellering och sentimentanalys kan du extrahera viktiga diskussionsämnen och uppfattningar om ett ämne eller varumärke från tweets som delas. Det är precis vad du kommer att kunna göra här.

Exercise 1: Bearbeta twittertext Exercise 2: Ta bort URL:er och tecken som inte är bokstäver Exercise 3: Bygg ett korpus och konvertera till gemener Exercise 4: Ta bort stoppord och extra mellanslag Exercise 5: Visualisera populära termer Exercise 6: Ta bort anpassade stoppord Exercise 7: Visualisera populära termer med stapeldiagram Exercise 8: Ordmoln för visualisering Exercise 9: Ämnesmodellering av tweets Exercise 10: LDA-algoritmen

Aktuell övning

Exercise 11: Skapa en dokument-term-matris Exercise 12: Skapa en ämnesmodell Exercise 13: Sentimentanalys av Twitter-data Exercise 14: Extrahera sentimentpoäng Exercise 15: Utför sentimentanalys

Twitter-användare skriver tweets, gillar, följer och retweetar – och skapar på så sätt komplexa nätverksstrukturer. I det här sista kapitlet lär du dig hur du analyserar dessa strukturer och visualiserar relationerna mellan enskilda användare som ett retweetnätverk. Genom att extrahera geolokalisieringsdata från tweets lär du dig också hur du visar tweetplatser på en karta och besvarar frågor som: vilka delstater eller länder pratar mest om ditt varumärke? Geografisk data tillför en ny dimension till din Twitter-dataanalys.

Exercise 1: Nätverksanalys av Twitter Exercise 2: Förbereda data för ett retweetsnätverk Exercise 3: Skapa ett retweetsnätverk Exercise 4: Centralitetsmått i nätverk Exercise 5: Beräkna ut-gradspoäng Exercise 6: Beräkna in-gradpoäng Exercise 7: Beräkna betweenness-poäng Exercise 8: Visualisera Twitter-nätverk Exercise 9: Skapa ett nätverksdiagram med attribut Exercise 10: Nätverksplot baserad på centralitetsmått Exercise 11: Antal följare för att förbättra nätverksplotten Exercise 12: Placera Twitter-data på kartan Exercise 13: Extrahera geolokalisationskoordinater Exercise 14: Twitter-data på kartan Exercise 15: Kursavslutning