原文出处:拓端数据部落公众号
相关视频:复杂网络分析CNA简介与R语言对婚礼数据聚类(社区检测)和可视化|数据分享
复杂网络分析CNA简介与R语言对婚礼数据聚类(社区检测)和可视化
包含关键词“生物信息学”的推文示例
第1步: 加载所需的软件包
# 加载所需的软件包
library(igraph)
第2步: 收集关于“生物信息学”的推文
# 包含“生物信息学”的英语推文
dm_tweets = searchTwitter("bioinformatics", n=500,)
# 得到文本
dm_txt = sapply(dm_tweets, function(x) x$getText())
第3步:识别转发
# 查找转发的正则表达式
grep("(RT|via)((?:\\b\\W*@\\w+)+)", dm_tweets,
# 哪些推文是转发推文
rt_patterns = grep("(RT|via)((?:\\b\\W*@\\w+)+)",
dm_txt, ignore.case=TRUE)
# 显示转发(这些是我们要关注的转发)
dm_txt[rt_patterns]
第4步:收集谁转发和谁发布
我们将使用这些结果来形成边列表以创建图形
# 创建列表以存储用户名
who_retweet = as.list(1:length(rt_patterns))
# for循环
for (i in 1:length(rt_patterns))
{
# 通过转发实体获取消息
twit = dm_tweets[[rt_patterns[i]]]
# 获取转推源
poster = str_extract_all(twit$getText(),
"(RT|via)((?:\\b\\W*@\\w+)+)")
#删除':'
poster = gsub(":", "", unlist(poster))
# 转推的用户名
who_post[[i]] = gsub("(RT @|via @)", "", poster, ignore.case=TRUE)
# 转推用户名
who_retweet[[i]] = rep(twit$getScreenName(), length(poster))
# 转换列表为向量格式
who_post = unlist(who_post)
第5步: 从编辑清单创建图形
# 两列边矩阵
retweeter_poster = cbind(who_retweet, who_post)
# 产生图
rt_graph = graph.edgelist(retweeter_poster)
# 获取点名称
ver_labs = get.vertex.attribute(rt_graph, "name", index=V(rt_graph))
第6步: 让我们绘制图
# 选择绘图布局
glay = layout.fruchterman.reingold(rt_graph)
# 绘图
par(bg="gray15", mar=c(1,1,1,1))
plot(rt_graph, layout=glay,
vertex.label.color=hsv(h=0, s=0, v=.95, alpha=0.5),
edge.width=3,
edge.color=hsv(h=.95, s=1, v=.7, alpha=0.5))
# 添加标题
title("\nTweets with 'bioinformatics': Who retweets whom",
cex.main=1, col.main="gray95")
第7步:生物信息学表示
# 绘制另外一个图
par(bg="gray15", mar=c(1,1,1,1))
plot(rt_graph, layout=glay,
edge.color=hsv(h=.35, s=1, v=.7, alpha=0.4))
# 添加标题
title("Tweets with 'bioinformatics': Who retweets whom",
cex.main=1, col.main="gray95", family="mono")
最受欢迎的见解
1.采用spss-modeler的web复杂网络对所有腧穴进行分析
3.R语言文本挖掘NASA数据网络分析,tf-idf和主题建模