Аналіз та візуалізація даних соціальних мереж для виявлення трендів

Abstract

У кваліфікаційній роботі здійснено дослідження теоретичних засад, методології та інструментів аналізу даних соціальних мереж з метою виявлення трендів і закономірностей у цифровому середовищі. Робота базується на системному, інформаційному та соціокомунікаційному підходах, що дозволило сформулювати практичні рекомендації щодо аналізу користувацьких настроїв. Обґрунтовано доцільність вивчення соціальних мереж як джерела даних, значущого для формування суспільної думки, цифрового маркетингу, кризового менеджменту тощо. Розглянуто технології обробки даних, зокрема роботу з Twitter API, бібліотеками Tweepy і TextBlob, методами NLP та візуалізації результатів. Особливу увагу приділено сентимент-аналізу як ключовому інструменту вивчення емоційної тональності текстів. Реалізовано вебзастосунок на Flask з клієнтською частиною на HTML, CSS і JavaScript, що забезпечує інтерактивну роботу з даними. Проведено експеримент з обробки твітів за ключовими словами, оцінено ефективність моделі, її переваги та обмеження.

-

The qualification work studies the theoretical foundations, methodology and tools of social network data analysis in order to identify trends and patterns in the digital environment. The work is based on systemic, informational and sociocommunication approaches, which allowed formulating practical recommendations for the analysis of user sentiment. The feasibility of studying social networks as a source of data significant for the formation of public opinion, digital marketing, crisis management, etc. is substantiated. Data processing technologies are considered, in particular, work with Twitter API, Tweepy and TextBlob libraries, NLP methods and visualization of results. Special attention is paid to sentiment analysis as a key tool for studying the emotional tone of texts. A web application on Flask with a client part on HTML, CSS and JavaScript was implemented, which provides interactive work with data. An experiment was conducted on processing tweets by keywords, the effectiveness of the model, its advantages and limitations were assessed.