आर के साथ ट्विटर का विश्लेषण

नमस्कार, प्रिय प्रभामंडल!
Habré में कई बार उन्होंने R पर्यावरण की क्षमताओं के बारे में बात की, लेकिन मेरा मानना ​​है कि अतिरिक्त जानकारी उपयोगी हो जाएगी, क्योंकि R एक बहुत ही रोचक और शक्तिशाली उपकरण है जिसे विभिन्न क्षेत्रों में लागू किया जा सकता है। मैं ट्विटर के रुझानों में से एक की उपस्थिति के विश्लेषण के उदाहरण का उपयोग करके इसे साबित करने की कोशिश करूंगा। ऐसा करने के लिए, हमें twitteR लाइब्रेरी की आवश्यकता है, जो आपको एपीआई के माध्यम से ट्विटर के साथ काम करने की अनुमति देता है। लेकिन पहले, मैं आपको R के बारे में अधिक बताऊंगा।

सांख्यिकीय डेटा प्रोसेसिंग और प्रोग्रामिंग आर की प्रणाली कमांड लाइन इंटरफ़ेस के उपयोग पर केंद्रित है। आर सिस्टम में डेटा प्रोसेसिंग सोर्स डेटा, गणना और परिणामों के टेक्स्ट या ग्राफिकल आउटपुट को लोड करने के लिए कमांड का एक क्रम है। कमांड लाइन (इंटरेक्टिव मोड) और टेक्स्ट फ़ाइल (बैच मोड) का उपयोग करके उपयोगकर्ता द्वारा ऐसा अनुक्रम उत्पन्न किया जा सकता है, और गणनाओं के पाठ या ग्राफिक परिणामों को प्रदर्शित किया जा सकता है और / या संबंधित फाइलों को लिखा जा सकता है।

ग्राफ़िकल इंटरफ़ेस से परिचित उपयोगकर्ता के लिए, यह दृष्टिकोण असहज और पुराना लग सकता है, लेकिन, सौभाग्य से, यह सिर्फ एक व्यापक गलत धारणा है। बुनियादी कौशल में महारत हासिल करने के बाद, कीबोर्ड और कमांड लाइन इंटरफेस का उपयोग करके डेटा प्रोसेसिंग की दक्षता कम नहीं है, लेकिन माउस और ग्राफिकल इंटरफेस की तुलना में अधिक है। कारणों में से एक यह है कि मेनू और चित्रलेखों में सांख्यिकीय विश्लेषण में उपयोग किए जाने वाले सैकड़ों कार्यों को पूरा करना बहुत मुश्किल है, यदि संभव हो तो, और आर कमांड लाइन उन कार्यों के किसी भी संयोजन को स्वीकार करता है जो दुभाषिया के दृष्टिकोण से सही है [1]।

आर पर्याप्त अवसर प्रदान करता है जिसे ट्विटर सोशल नेटवर्क के उपयोगकर्ताओं की मनोदशा का विश्लेषण करके प्रदर्शित किया जा सकता है।

26 फरवरी की देर रात, प्रसिद्ध ब्रिटिश अभिनेता रोवन एटकिंसन की दुखद मौत के बारे में उपयोगकर्ताओं के बीच जानकारी फैलनी शुरू हुई। इस तथ्य की पुष्टि नहीं हुई थी, लेकिन संदेशों की संख्या में वृद्धि हुई और श्री बीन की भूमिका निभाने वाले अभिनेता की मृत्यु की खबर तेजी से एक ट्विटर प्रवृत्ति बन गई। अभिनेता की मृत्यु के बारे में संदेशों में RIP रोवन एटकिंसन का वाक्यांश शामिल था। आर की क्षमताओं का उपयोग करते हुए, कोई व्यक्ति घटना का विश्लेषण कर सकता है और सूचना प्रसार के चरणों की कल्पना कर सकता है।
विश्लेषित डेटा एक टेक्स्ट ऐरे है जिसमें प्रेषक, तिथि, समय और संदेश पाठ के बारे में जानकारी होती है।

डेटा निम्नानुसार प्राप्त किया जाता है:
library(twitteR)
tweets = searchTwitter("RIP Rowan Atkinson", n=1500)
data = twListToDF(tweets)

प्राप्त आंकड़ों का उपयोग करते हुए, सूचना प्रवाह बनाने की प्रक्रिया की कल्पना करना और उस समय का पता लगाना संभव है, जब उपयोगकर्ता सबसे अधिक सक्रिय थे।

चित्र 1 उपयोगकर्ताओं द्वारा दिन पर उत्पन्न संदेशों की संख्या को दर्शाता है। ग्राफ के अनुसार, आप पहले संदेश की उपस्थिति, संदेशों की संख्या में वृद्धि और सुबह में अपने चरम की उपलब्धि का पता लगा सकते हैं। अगला, इस विषय में उपयोगकर्ता की रुचि में धीरे-धीरे गिरावट और लुप्त होती है।


चित्र 1. प्रति दिन संदेशों की संख्या

ग्राफ निम्नानुसार निर्मित है:
library(ggplot2)
c <- ggplot(data, aes(created))
c + geom_bar()

चित्र 2 भेजे गए संदेशों के वितरण को घंटे से दिखाता है। ग्राफ से पता चलता है कि पहला संदेश 26 फरवरी को 20 घंटों के बाद दिखाई देना शुरू हुआ, और 27 फरवरी की सुबह सबसे बड़ी संख्या में संदेश गिरे।


चित्र 2. भेजे गए संदेशों को घंटों तक वितरित करना

ग्राफ निम्नानुसार निर्मित है:
library(ggplot2)
data$month=sapply(data$created, function(x) {p=as.POSIXlt(x);p$mon})
data$hour=sapply(data$created, function(x) {p=as.POSIXlt(x);p$hour})
data$wday=sapply(data$created, function(x) {p=as.POSIXlt(x);p$wday})
ggplot(data)+geom_jitter(aes(x=wday,y=hour))
चित्रा 3 उपयोगकर्ता संदेशों में सबसे आम शब्दों का एक बादल दिखाता है।


चित्रा 3. संदेशों में सबसे आम शब्दों के बादल

ग्राफ निम्नानुसार निर्मित है:
library("tm")
text = Corpus(DataframeSource(data.frame(data[1])))
text = tm_map(text, removePunctuation)
text = tm_map(text, tolower)
tdm = TermDocumentMatrix(text)
m = as.matrix(tdm)
v = sort(rowSums(m),decreasing=TRUE)
library("wordcloud")
wordcloud(names(v), v^0.3, scale=c(5,0.5),random.order=F, colors="black")

उपरोक्त उदाहरण से पता चलता है कि डेटा के इस तरह के एक छोटे से नमूने पर आर। की संभावनाएं कितनी व्यापक हैं, सूचना के प्रसार के सामाजिक पहलुओं का विश्लेषण करना और आर में बनाए गए ग्राफ़ का उपयोग करके कुछ पैटर्न को उजागर करना संभव है।

ऑपरेटिंग सिस्टम के तीन सबसे आम परिवारों के लिए वर्तमान में आर कार्यान्वयन मौजूद हैं: जीएनयू / लिनक्स, ऐप्पल मैक ओएस एक्स, और माइक्रोसॉफ्ट विंडोज। सितंबर 2010 के अंत में, 2548 विस्तार पैक CRAN प्रणाली की वितरित भंडारण सुविधाओं में उपलब्ध थे, जो अर्थमिति और वित्तीय विश्लेषण, आनुवांशिकी और आणविक जीव विज्ञान, पारिस्थितिकी और भूविज्ञान, चिकित्सा और फार्मास्यूटिकल्स और कई अन्य लोगों में उत्पन्न होने वाले विशिष्ट डेटा प्रसंस्करण कार्यों के लिए उन्मुख थे। लागू क्षेत्रों। हाल के वर्षों में यूरोपीय और अमेरिकी विश्वविद्यालयों का एक महत्वपूर्ण हिस्सा सक्रिय रूप से महंगे वाणिज्यिक विकास [1] के बजाय शैक्षिक और अनुसंधान गतिविधियों में आर के उपयोग के लिए आगे बढ़ रहा है।

साहित्य

1. सिस्टम में डेटा का सांख्यिकीय विश्लेषण आर। टेक्स्टबुक / ए.जी. बुख़ोवेट्स, पी.वी. मोस्कलेव, वी.पी. बोगतोवा, टी। वाय। Biryuchinskaya; एड। प्रोफेसर। बुख़ोवेट्स ए.जी. - वोरोनिश: वीजीएयू, 2010 ।-- 124s।