-
Notifications
You must be signed in to change notification settings - Fork 2
/
main.R
369 lines (295 loc) · 11.4 KB
/
main.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
library(rwhatsapp)
library(lubridate)
library(tidyverse)
library(tidytext)
library(kableExtra)
library(RColorBrewer)
library(knitr)
## LIBS PARA EXPORTAR COMO HTML
library(plotly);
library(htmlwidgets);
# LIBRERÍA PARA FETCH DE IMAGEN PNG DE EMOJI DESDE https://abs.twimg.com
library(ggimage)
# LEEMOS EL CHAT A TRAVÉS DEL TXT EXPORTADO DESDE LA APP
miChat <- rwa_read("miChat_1.txt")
# PREPARACIÓN DE DATOS PARA ANÁLIIS POR DATE/TIME
miChat <- miChat %>%
mutate(day = date(time)) %>%
mutate(
# SEGMENTACIÓN POR MES
estacion = case_when(
day >= dmy(18082018) & day <= dmy(22092018) ~ "Verano 2018",
day >= dmy(23092018) & day <= dmy(20122018) ~ "Otoño 2018",
day >= dmy(21122018) & day <= dmy(20032019) ~ "Invierno 2018",
day >= dmy(21032019) & day <= dmy(21062019) ~ "Primavera 2019",
day >= dmy(22062019) & day <= dmy(23092019) ~ "Verano 2019",
day >= dmy(23092019) & day <= dmy(20122019) ~ "Otoño 2019",
day >= dmy(21122019) & day <= dmy(20032020) ~ "Invierno 2020",
day >= dmy(21032020) ~ "Primavera 2020",
T ~ "Fuera de rango"
)
) %>%
mutate( estacion = factor(estacion) ) %>%
filter(!is.na(author))
# PALETA DE COLORES
paleta.estaciones <- brewer.pal(8,"Set1")[c(7,5,1,3,4,2,6,8)]
# CAMBIEMOS EL NOMBRE DE LOS USUARIOS POR CONFIDENCIALIDAD
levels(miChat$author)[2] <- "Ella"
levels(miChat$author)[1] <- "Él"
library(tidytext)
library(stopwords)
# REMOVEMOS PALABRAS SIN SIGNIFICADO RELEVANTE, COMO ARTÍCULOS, PRONOMBRES, ETC.
remover_palabras <- c(stopwords(language = "pt"),
"multimedia", "y", "la", "el","en", "es", "si", "lo", "ya", "pero", "esa",
"los","yo","mi", "un", "con", "las", "omitido", "más","eso", "al", "una",
"del", "qué", "todo", "así", "le", "su", "va", "porque", "todos", "hay", "les",
"pue", "ese", "son", "está", "pues", "ahí", "sí","ver", "estás", "algo", "vas",
"ir","voy", "creo","fue","solo", "ni","sólo","nada", "aqui", "aa", "q", "tú", "fez")
# DIVERSIDAD DE LÉXICO
miChat %>%
unnest_tokens(input = text,
output = word) %>%
filter(!word %in% remover_palabras) %>%
group_by(author) %>%
summarise(lex_diversity = n_distinct(word)) %>%
arrange(desc(lex_diversity)) %>%
ggplot(aes(x = reorder(author, lex_diversity),
y = lex_diversity,
fill = author)) +
geom_col(show.legend = FALSE) +
scale_y_continuous(expand = (mult = c(0, 0, 0, 500))) +
geom_text(aes(label = scales::comma(lex_diversity)), hjust = -0.1) +
ylab("Diversidad léxica") +
xlab("Usuario") +
ggtitle("Diversidad de léxico en la conversación") +
coord_flip()
ggplotly()
# PALABRAS ÚNICAS POR ELLA
palabras_unicas_ella <- miChat %>%
unnest_tokens(input = text,
output = word) %>%
filter(author != "Ella") %>%
count(word, sort = TRUE)
miChat %>%
unnest_tokens(input = text,
output = word) %>%
filter(author == "Ella") %>%
count(word, sort = TRUE) %>%
filter(!word %in% palabras_unicas_ella$word) %>% # SELECCIONAR SÓLO PALABRAS QUE NADIE MÁS USA
top_n(n = 15, n) %>%
ggplot(aes(x = reorder(word, n), y = n)) +
geom_col(show.legend = FALSE) +
ylab("Número de veces que se usó la palabra") + xlab("Palabras") +
coord_flip() +
ggtitle("Top de palabras únicas usadas por Ella")
ggplotly()
# PALABRAS ÚNICAS POR ÉL
palabras_unicas_el <- miChat %>%
unnest_tokens(input = text,
output = word) %>%
filter(author != "Él") %>%
count(word, sort = TRUE)
miChat %>%
unnest_tokens(input = text,
output = word) %>%
filter(author == "Él") %>%
count(word, sort = TRUE) %>%
filter(!word %in% palabras_unicas_el$word) %>% # SELECCIONAR SÓLO PALABRAS QUE NADIE MÁS USA
top_n(n = 15, n) %>%
ggplot(aes(x = reorder(word, n), y = n)) +
geom_col(show.legend = FALSE) +
ylab("Número de veces que se usó la palabra") + xlab("Palabras") +
coord_flip() +
ggtitle("Top de palabras únicas usadas por Él")
ggplotly()
# ANÁLISIS DE SENTIMIENTOS
library(rvest)
# FETCH DE PÁGINA HTML EMOJI SENTIMENT RANKING 1.0
url_base <- "http://kt.ijs.si/data/Emoji_sentiment_ranking/index.html"
doc <- read_html(url_base)
# BUSCAR TABLA DE EMOJI Y PROCESO
tabla_emojis <- doc %>%
html_node("#myTable") %>%
html_table() %>%
as_tibble()
# UN VISTAZO PREVIO AL RESULTADO
tabla_emojis %>%
head(5) %>%
kable() %>%
kable_styling(font_size = 10)
# OBTENER PUNTAJE DE SENTIMIENTO Y LIMPIAR LOS NOMBRES DE LA TABLAS DE EMOJI
sentimiento_emoji <- tabla_emojis %>%
select(1,6:9) %>%
set_names("char", "negativo","neutral","positivo","sent.score")
# EXTRAER EMOJI Y UNIR CON SENTIMIENTO
emoji_chat <- miChat %>%
unnest(emoji, emoji_name) %>%
mutate( emoji = str_sub(emoji, end = 1)) %>% # Remover ligaduras
inner_join(sentimiento_emoji, by=c("emoji"="char"))
# VISUALIZACIÓN
emoji_chat %>%
select(-source, -day, -estacion) %>%
slice(1207:1219) %>%
head(10) %>%
kable() %>%
kable_styling(font_size = 10)
# OCURRENCIAS DE SENTIMIENTOS POR EMOJIS, POR USUARIO
emoji_sentimiento_usuarios <- emoji_chat %>%
group_by(author) %>%
summarise(
positivo=mean(positivo),
negativo=mean(negativo),
neutral=mean(neutral),
balance=mean(sent.score)
) %>%
arrange(desc(balance))
# FORMATO DE DATOS PARA REALIZAR PLOT
emoji_sentimiento_usuarios %>%
mutate( negativo = -negativo,
neutral.positivo = neutral/2,
neutral.negativo = -neutral/2) %>%
select(-neutral) %>%
gather("sentiment","mean", -author, -balance) %>%
mutate(sentiment = factor(sentiment, levels = c("negativo", "neutral.negativo", "positivo", "neutral.positivo"), ordered = T)) %>%
ggplot(aes(x=reorder(author,balance), y=mean, fill=sentiment)) +
geom_bar(position="stack", stat="identity", show.legend = F, width = .5) +
scale_fill_manual(values = brewer.pal(4,"RdYlGn")[c(1,2,4,2)]) +
ylab(" - Negativo / Neutral / Positivo +") + xlab("Usuario") +
ggtitle("Análisis de sentimientos por usuario","Basado en el puntaje promedio de sentimientos por emojis") +
coord_flip() +
theme_minimal()
ggplotly()
# ANÁLISIS DE SENTIMIENTOS CON LEXICON
library(textdata)
# OBTENER LÉXICO POSITIVO/NEGATIVO DEL PACKAGE DE LEXICON
lexico_negpos <- get_sentiments("afinn") # INTENSIDAD DE VALOR
# PREVIEW DEL FORMATO DE LEXICON
lexico_negpos %>%
head(10) %>%
kable() %>%
kable_styling(full_width = F, font_size = 11)
# PREVIEW CUÁLES SON LOS VALORES POSIBLES
table(lexico_negpos$value) %>%
head(10) %>%
kable() %>%
kable_styling(full_width = F, font_size = 11)
# EXTRAER EMOJIS
emoji_sentimiento_score <- miChat %>%
select( emoji, emoji_name) %>%
unnest( emoji, emoji_name) %>%
mutate( emoji = str_sub(emoji, end = 1)) %>% # REMOVER LIGADURAS
mutate( emoji_name = str_remove(emoji_name, ":.*")) %>% # REMOVER NOMBRES DE LIGADURA
distinct() %>%
unnest_tokens(input=emoji_name, output=emoji_words) %>%
inner_join(lexico_negpos, by=c("emoji_words"="word"))
# CREAR TABLA DE 3 COLUMNAS
bind_cols(
slice(emoji_sentimiento_score, 01:10),
slice(emoji_sentimiento_score, 11:20),
slice(emoji_sentimiento_score, 21:30)
) %>%
kable() %>%
kable_styling(full_width = F, font_size = 11)
# EXTRAER EMOJIS
emoji_chat <- miChat %>%
unnest(emoji, emoji_name) %>%
mutate( emoji = str_sub(emoji, end = 1)) %>% # REMOVER LIGADURAS
mutate( emoji_name = str_remove(emoji_name, ":.*")) # REMOVER NOMBRES DE LIGADURA
# TOKENIZAR EL NOMBRE DE EMOJI
emoji_chat <- emoji_chat %>%
select(author, emoji_name) %>%
unnest_tokens(input=emoji_name, output=emoji_words)
# JOIN CON LEXICON
usuario_summary <- emoji_chat %>%
inner_join(lexico_negpos, by=c("emoji_words"="word")) %>%
count(author, value) %>%
group_by(author) %>%
mutate(mean=n/sum(n)) %>%
ungroup()
# COLORES Y GRÁFICA
reordenar_niveles <- c(-3,-2,-1,3,2,1)
colores <- c("#d7191c","#fdae61","#ffffbf","#1a9641","#a6d96a","#ffffbf")
mis_colores <- brewer.pal(5,"RdYlGn")[c(1,2,3,5,4,3)]
# PLOT DE LA GRÁFICA
usuario_summary %>%
mutate( mean = ifelse(value<0, -mean, mean)) %>%
group_by(author) %>%
mutate( balance = sum(mean)) %>%
ungroup() %>%
mutate( value = factor(value, levels = reordenar_niveles, ordered=T)) %>%
ggplot(aes(x=reorder(author,balance), y=mean, fill=value)) +
geom_bar(stat="identity",position="stack", show.legend = F, width = .5) +
scale_fill_manual(values = mis_colores) +
xlab("Usuario") + ylab("Escala de netagivo a positivo") +
coord_flip() +
ggtitle("Análisis de sentimientos por usuario", "Basado en el léxico AFINN") +
theme_minimal()
ggplotly()
# EMOCIÓN MÁS FRECUENTE
# OBTENER OTRO LÉXICO CON NOMBRE DE SENTIMIENTOS
lexico_sentimientos <- get_sentiments("nrc") # NOMBRE DEL SENTIMIENTO
# PREVIEW DE SENTIMIENTOS
lexico_sentimientos %>%
head(10) %>%
kable() %>%
kable_styling(full_width = F, font_size = 11)
# EXTRAER EMOJIS
emoji_emocion <- miChat %>%
select( emoji, emoji_name) %>%
unnest( emoji, emoji_name) %>%
mutate( emoji = str_sub(emoji, end = 1)) %>% # REMOVER LIGADURAS
mutate( emoji_name = str_remove(emoji_name, ":.*")) %>% # REMOVER NOMBRES DE LIGADURA
unnest_tokens(input=emoji_name, output=emoji_words) %>%
inner_join(lexico_sentimientos, by=c("emoji_words"="word")) %>%
filter(!sentiment %in% c("negative","positive")) %>% # REMOVER CLASIFICACIÓN NEGATIVA/POSITIVA
# MANTENER SÓLO LOS 4 EMOJI MÁS FRECUENTES PARA CADA SENTIMIENTO
count(emoji, emoji_words, sentiment) %>%
group_by(sentiment) %>%
top_n(4,n) %>%
slice(1:4) %>%
ungroup() %>%
select(-n)
# PONER TABLAS JUNTAS
bind_cols(
slice(emoji_emocion, 01:16),
slice(emoji_emocion, 17:32)
) %>%
kable() %>%
kable_styling(full_width = F, font_size = 11)
# JOIN CON EMOJIS
sentimiento_chat <- emoji_chat %>%
inner_join(lexico_sentimientos, by=c("emoji_words"="word")) %>%
filter(!sentiment %in% c("negative","positive")) # REMOVER CLASIFICACIÓN POITIVA/NEGATIVA
# PLOT DE EMOCIONES MAYORMENTE EXPRESADAS
sentimiento_chat %>%
count(sentiment) %>%
ggplot(aes(x=reorder(sentiment,n), y=n)) +
geom_col(aes(fill=n), show.legend = FALSE, width = .1) +
geom_point(aes(color=n), show.legend = FALSE, size = 3) +
coord_flip() +
ylab("Número de veces expresado") + xlab("Emoción") +
scale_fill_gradient(low="#2b83ba",high="#d7191c") +
scale_color_gradient(low="#2b83ba",high="#d7191c") +
ggtitle("Emoción expresada con mayor frecuencia","Expresado por uso de emojis") +
theme_minimal()
ggplotly()
# PLOT DE EMOCIONES POR USUARIO
sentimiento_chat %>%
count(author, sentiment) %>%
left_join(filter(lexico_sentimientos, sentiment %in% c("negative","positive")),by=c("sentiment"="word")) %>%
rename( sentimiento = sentiment.y) %>%
mutate( sentimiento = ifelse(is.na(sentimiento), "neutral", sentimiento)) %>%
mutate( sentimiento = factor(sentimiento, levels = c("negative", "neutral", "positive"), ordered=T) ) %>%
group_by(author) %>%
top_n(n = 8, n) %>%
slice(1:8) %>%
ggplot(aes(x = reorder(sentiment, n), y = n, fill = sentimiento)) +
geom_col() +
scale_fill_manual(values = c("#d7191c","#fdae61", "#1a9641")) +
ylab("Número de veces expresado") +
xlab("Emoción") +
coord_flip() +
facet_wrap(~author, ncol = 3, scales = "free_x") +
ggtitle("Emociones mayormente expresadas por usuario", "Expresado por uso de emojis") +
theme_minimal() + theme(legend.position = "bottom")
ggplotly()