Rによるテキストマイニング ―tidytextを活用したデータ分析と可視化の基礎

142

■

7

章 ケーススタディ：

Twitter

アーカイブの比較

わかります。また、年末に向かって

Stack Overflow

についてのツイートは増えてい

るのに対し、

ggplot2

についてのツイートは減っています（

http://bit.ly/2qXj5aI

）。

次に、ジュリアのツイートで使用頻度に変化のある単語をプロットしてみましょ

う。

words_by_time %>%

inner_join(top_slopes, by = c("word", "person")) %>%

filter(person == "Julia") %>%

ggplot(aes(time_floor, count/time_total, color = word, lty = word)) +

geom_line(size = 1.3) +

labs(x = NULL, y = "Word frequency")

図7-5　ジュリアのツイートでの使用頻度が大きく変化した単語

ジュリアの場合、大きな変化が見られたものはどれも下降の傾向を示しています。

彼女は特定の単語を高い割合で使うことが少なく、さまざまな単語を同じくらいの

頻度で使用していることがわかります。この年の始めの時期の彼女のツイートには、

このプロットに示した単語が比較的高い割合で含まれていました。彼女が新しいブ

ログ投稿を

PR

するときに使うハッシュタグ

#rstats

と単語「

post

」は使用頻度が下が

り、読書についてのツイートも減っています。