Taller de Text Mining en Twitter con R
3 recomendaciones1,347 vistas
Este documento es un taller sobre técnicas de text mining en Twitter utilizando R, donde se abordan conceptos como preprocesado de datos, asociación de palabras y visualización de resultados. Incluye casos de uso práctico en e-commerce y el análisis de tendencias a partir de datos textuales. Además, se proporcionan detalles sobre cómo conectarse a Twitter y los paquetes necesarios para ejecutar análisis en R.
Taller de Text Mining en Twitter con R
- 1. Octubre.2016 Taller de introducción a técnicas de Text Mining en Twitter con R @Legado y @zigiella
- 2. Índice 1. Quiénes somos 2. Contexto 3. Qué es R 4. Los datos textuales 5. Cómo obtener información de estos datos 6. Demo en R a) Preprocesado b) Stemming c) Inspeccionar palabras frecuentes d) Asociaciones e) Plot de asociaciones f) Nube de palabras g) Clúster i. Dendograma ii. K-means 7. Interpretación y conclusiones 8. Anexo 1: Conectarse a Twitter 9. Anexo 2: Instalar paquetes necesarios
- 5. Juandy ● Jefe de campamento y algo friki. ● Escritor frustrado (por ahora). ● Viajero por necesidad. ● Jugador de fútbol americano. ● Filólogo. @Legado
- 7. Bea ● Nativa digital de la generación X! ● Tech+Digital+Business. ● Aprendizaje non stop. ● Retos non stop. ● Me gusta que los planes salgan bien. @zigiella
- 8. CONTEXTO Dónde, qué, por qué y eso...
- 10. TRANSFORMACIÓN DIGITAL BIG DATA CULTURA DATA DRIVEN EL DATO VALOR TOMA DE DECISIONES TRANSVERSAL
- 12. ● Software de análisis de datos. ● Ciencia, medicina, psicología, economía,... ● Gratuito, libre y de código abierto. ● Gran comunidad. ● Muchos paquetes. ● Bla, bla, bla,... ● Fin de la intro breve.
- 13. Origen: DataCamp
- 15. LA TEORÍA Comencemos a entender
- 16. Datos textuales – Qué son
- 17. Datos textuales – Qué son
- 18. Datos textuales – Qué son
- 19. Datos textuales – Qué son
- 20. Datos textuales – Qué son
- 21. Datos textuales – Qué son
- 22. Datos textuales – Qué son
- 23. Datos textuales – Qué son
- 24. Datos textuales – Qué son
- 25. Datos textuales – Qué son
- 26. Datos textuales – Qué son Voice to text
- 27. Datos textuales – Qué son Focus groups Libros Investigaciones Documentos oficiales Texto …
- 28. CASOS DE USO REALES ¿Pero esto es útil?
- 29. Caso de uso real MARCA DE BEBIDAS MARCA DE COCHES E-COMMERCE DE MODA
- 30. Caso de uso real Necesitamos conectar con las tendencias en nuestro e-commerce Scrapping Frecuencia Asociación Topics Descripciones Etiquetas Taxonomía Posicionamiento E-COMMERCE DE MODA
- 31. Caso de uso real Necesitamos conocer a tiempo posibles amenazas hacia la marca Salud Medio ambiente Nutrición Bulos Sistema de alerta temprana MARCA DE BEBIDAS
- 32. Caso de uso real MARCA DE COCHES Necesitamos encontrar la forma de volver a conectar con la audiencia: conocer sus nuevos territorios e intereses, y descubrir insights para trabajar la reconexión.
- 33. Caso de uso real Movilidad Medios de transporte Sensaciones Problemas MARCA DE COCHES
- 35. El negocio
- 36. El negocio 30.000€ y 50.000€ Anuales Wordcloud Ásociación Topics en líneas temporales Clustering
- 38. TALLER PRÁCTICO Ya es la hora de hacer cositas en R...
- 39. Se trata de un ejercicio de iniciación a las técnicas de Text Mining. Tenemos un dataset compuesto de un conjunto de tweets recién extraídos de Twitter y vamos a tratar de averiguar qué temas tratan. El esquema del proceso a realizar es el siguiente: Conjunto de tweets Preproceso Creación de Corpus Creación Matriz Términos Docs Análisis ¡¡¡Al final, a la máquina le damos números!!!
- 44. Preprocesado Minería Pasar texto a minúsculas Quitar todo aquello que no es útil en el análisis Quitar signos de puntuación Quitar números Quitar expresiones Stemming Preprocesado
- 50. Asociación Árbol ipsum dolor incendio amet, consectetur adipiscing elit. Praesent vestibulum magna sed ante tempus iaculis. Maecenas vitae nisl quam. Integer augue nisi, lacinia in neque sit amet, interdum congue odio. In neque magna, mattis sit amet nisi id, cursus ullamcorper felis. Aenean pharetra porttitor ipsum ut tincidunt. Sed condimentum purus ut leo mattis, quis pretium nunc rhoncus. Ut accumsan orci at orci venenatis, vitae Bosque dui congue. Nulla magna quam, accumsan ac tincidunt id, cursus in massa. Etiam nec eros sit amet eros fringilla varius. Vestibulum ac purus venenatis, malesuada est vitae, molestie dui. Nulla eget neque sit amet odio semper mollis et ornare justo. Etiam lacinia, purus at semper tincidunt, libero metus venenatis sapien, sed convallis quam elit vel sapien. Vivamus porta dictum augue ut ornare. Pellentesque luctus, purus non fringilla ornare, velit est volutpat nulla, eget tempus tellus eros ac ligula. Etiam nulla Arboleda, ultrices vel mauris incendio, mollis ornare massa. Sed aliquam vulputate consectetur. Ut lacinia dignissim nisl vitae consequat. Donec posuere, dui et placerat varius, libero enim laoreet est, quis posuere purus neque nec libero. Nunc aliquet sapien nec convallis rhoncus. Donec ac metus leo.
- 51. ¡EMpezamos a saber de qué va la cosa!
- 52. Igual “USEFUL” no aporta valor al resultado y debería haberla quitado antes (momento stopwords)... visualizar es super potente para darse cuenta de cosas… :)
- 53. SE ven cosas interesantes cuando buscamos los términos que más se relacionan con unos en concreto...
- 57. Clusterización - Clúster Agrupación (Habitualmente por similitud o por cercanía) Dendograma – Clúster por orden jerárquico
- 60. CONCLUSIONES ¿Dónde está el valor verdadero? INTERPRETACIÓN Y DEBATE DE RESULTADOS ¡el dato no habla por nosotros! ¡nosotros hablamos por el dato!
- 61. ¡GRACIAS Y HASTA PRONTO! @zigiella @Legado
- 62. ANEXO 1 Conectarse a Twitter con R
- 63. PASO 1: Para poder conectarnos a Twitter desde R necesitamos tener una cuenta en Twitter y estar logineados. Entonces debemos acceder a https://apps.twitter.com y crear una app: Rellenaremos un sencillo formulario indicando cuatro cosas. Mirad el ejemplo.
- 64. PASO 2: Si todo ha ido bien estaremos en la página de la app. Iremos al menú “Keys and Access Tokens y crearemos nuestros tokens: El resultado será similar al que ves y tendrás tus credeciales: Api Key Api Secret Access Token Access Token Secret
- 65. Ya podemos ejecutar código R para obtener tweets. Este ejemplo es una pequeña muestra. Tendremos que poner nuestras credenciales en el código. Cuando hagamos setup nos hará una pregunta: Responderemos “Yes” y continuaremos. :)
- 66. ANEXO 2 Instalar paquetes necesarios en R
- 68. ¡GRACIAS DE NUEVO! @zigiella @Legado