Plusieurs tests ont été nécessaires pour calibrer les requêtes, celles-ci se montrant moins performantes lorsqu’un # est utilisé. Une veille des tendances affichées sur Twitter a également conduit à l’ajout des mots-clés ARN et mRNA, puisque l’analyse du corpus sera réalisée en français et en anglais. Au total, quatre variables sont récupérées (pour quatre fichiers quotidiens, donc).
| corpus_vac <- search_tweets( | |
| q = "vaccination OR vaccine OR ARN OR mRNA OR bootser", retryonratelimit = TRUE, geocode = "52.897449,4.753000,850mi", type="mixed", include_rts = FALSE | |
| ) | |
| corpus_pass2 <- search_tweets( | |
| q = "covid OR sanitary AND pass OR \"safe ticket\"", retryonratelimit = TRUE, geocode = "52.897449,4.753000,850mi", type="mixed", include_rts = FALSE | |
| ) | |
| corpus_protest <- search_tweets( | |
| q = "anti-pass OR coronaprotest OR covid AND manifestation OR sanitary AND pass OR covid AND manifestation", retryonratelimit = TRUE, geocode = "52.897449,4.753000,850mi", type="mixed", include_rts = FALSE | |
| ) | |
| corpus_gen <- search_tweets( | |
| q = "vaccination OR vaccine OR anti-pass OR coronaprotest OR MRNa OR ARN OR Pfizer OR Moderna", retryonratelimit = TRUE, type="mixed", include_rts = FALSE | |
| ) |
Chaque jeu de données est nettoyé via Open Refine : des fusions de colonnes sont parfois nécessaires car la colonne « text » est parfois scindée en plusieurs colonnes (enregistrement avec séparateur de virgule). Les trois corpus relatifs à une zone géographique définie présentent moins de problèmes de qualité que le corpus général, qui cible tous azimuts : big data ne veut pas forcément bonne data, cela se vérifie une fois de plus dans ce cas. Nous en sommes à trois jours de scraping. Ces actions vont se répéter quotidiennement avant d’aboutir à quatre corpus qui tiennent la route avant de pouvoir être analysés.
Lectures du jour :
- Deng, S., Sinha, A. P., & Zhao, H. (2017). Adapting sentiment lexicons to domain-specific social media texts. Decision Support Systems, 94, 65-76.
- Mowlaei, M. E., Abadeh, M. S., & Keshavarz, H. (2020). Aspect-based sentiment analysis using adaptive aspect-based lexicons. Expert Systems with Applications, 148, 113234.