推特与OpenRefine的联合标签

Question

我正在使用OpenRefine将一些Twitter元数据格式化为一个边缘列表，以便Gephi读取。如果我想研究用户提及关联或用户标签关联，它可以很容易地工作。但现在我想研究共同标签，那么标签在tweet中同时出现的频率是多少？

用OpenRefine (我不是很了解)来做这件事有点棘手，我需要一些帮助。我的数据是csv格式的，有两列:用户的用户名，tweet中使用的以逗号分隔的标签字符串。要使用OpenRefine获得用户标签边缘列表，我在标签列上使用“拆分多值单元格”，然后在用户列上使用"Fill down“(非常简单)。我不知道如何获得hashtag-hashtag边缘列表。我可以在hashtag列上使用“拆分多值单元格”来为tweet中提到的每个hashtag获得一个新行。但是，如何“填充”行才能获得hashtag-hashtag共同出现的所有组合呢？

示例：

数据：

User         Hashtags
Dario        Data mining, R, OpenRefine

期望的结果：

Hashtag 1    Hashtag 2

Data mining  R
Data mining  OpenRefine
R            OpenRefine

Answer 1

还在OpenRefine谷歌群上发布了：

我认为您可以使用forEach和forRange的组合来实现这一点。在包含逗号分隔的hashtag的单元格上尝试以下转换：

forEachIndex(value.split("，")，i，v，forRange(i+1，value.split("，").length(),1，j，v.trim() + "，“+ value.split("，")j.trim()).join("|")).join("|")

这应该会产生一个以竖线分隔的唯一组合列表。然后你可以使用‘拆分多值单元格’

Answer 2

这是我的建议。

让我们使用您的示例：

User         Hashtags
Dario        Data mining, R, OpenRefine

1°/在列标签上使用名为“在列中拆分多值单元格”的函数

你应该会得到类似这样的东西：

User         Hashtags
Dario        Data mining
             R
             OpenRefine

2°/在Hashtags列上尝试此转换：

if((row.record.cells["Hashtags"].value[-1])==value,value+","+(row.record.cells["Hashtags"].value[0]),value+","+(row.record.cells["Hashtags"].value[-1]))

3°)根据"，“分隔符将您的列拆分为多个列。

这对我很管用。

编辑:

这个解决方案生成一个重复的条目，可以像这样轻松地删除它：

• 使用|分隔符(例如)联接多值单元格。

你会得到像这样的东西

1.

Dario

Data mining,Prout|R,Prout|OpenRefine,Prout|Prout,Data mining

2.

Essai

Data mining,R|R,Data mining

• 然后根据分隔符|
• 将单元格拆分成列最后，删除第一个标签列。