Taller práctico de introducción a técnicas de Text Mining con lenguaje R. El taller consiste en analizar un de tweets, del cual se tratará de extraer conocimiento. Se analizan las palabras frecuentes, la asociación entre ellas, buscamos descubrir insigths y averiguar si existen conjuntos temáticos. El taller es una introducción básica a las técnicas de Text Mining, tan útiles hoy en día para descubrir insights en los conjuntos de textos que forman parte de nuestro ecosistema de datos (redes sociales, comentarios de usuarios, correos electrónicos, campos de texto abierto en encuestas,...), pero que muchas veces no sabemos aprovechar.

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

3. QUIÉNES
SOMOS
¡Hola!

4. Consultor Freelance
@Legado

5. Juandy
● Jefe de campamento y algo friki.
● Escritor frustrado (por ahora).
● Viajero por necesidad.
● Jugador de fútbol americano.
● Filólogo.
@Legado

6. @zigiella
INGENIERÍA
INFORMÁTICA
DATA
MANAGEMENT
& ANALYTICS
PSICOLOGÍA
ExecutiveMBA
EMPRENDEDURÍA
BUSINESS
MANAGEMENT
MARKETING
ADVERTISING

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

11. RBreve introducción breve

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

34. EL NEGOCIO
Herramientas

35. El negocio

36. El negocio
30.000€
y
50.000€
Anuales
Wordcloud
Ásociación
Topics en líneas
temporales
Clustering

37. Gratis
Un buen comienzo

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!!!

41. Corpus
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Minería

42. Corpus
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Minería

43. Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet
Tweet

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

45. Preprocesado - Stemming
Arbolado
Arboleda
Arbóreo
Arbolitos
Árbol
Stemming

49. ¡Son matrices
con mucho
“sparsity”!

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...

54. una sencilla visualización
superpotente!

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