의미망 분석 #3 동시 출현 네트워크 (2)

연결 중심성과 커뮤니티 표현하기

• 네트워크 그래프는 단어 노드가 많아 어떤 단어 노드 중심으로 해석할지 판단 어려움
• 연결 중심성과 커뮤니티를 표현하면 단어의 관계를 더 분명하게 파악할 수 있다

 

- 연결 중심성(degree centrality)

노드가 다른 노드들과 얼마나 밀접하게 연결되는지 나타낸 값

연결 중심성으로 노드 크기를 조정하면 어떤 단어를 눈여겨봐야 할지 판단하기 쉬워진다

 

 - 커뮤니티(community)

단어 간의 관계가 가까워 빈번하게 연결된 노드 집단

노드를 커뮤니티별로 구분 지어 서로 다른 색으로 표현하면 네트워크 구조를 이해하기 쉬워진다

 

#1 네트워크 그래프 데이터에 연결 중심성, 커뮤니티 변수 추가하기

 - 네트워크 그래프 데이터 만들기: as_tbl_graph()

directed = F : 방향성 없도록 설정

group_infomap()은 방향성 없는 네트워크 그래프 데이터에서만 커뮤니티를 찾아줌

 

- 연결 중심성 변수 추가하기: centrality_degree()

 

- 커뮤니티 변수 추가하기: group_infomap()

커뮤니티가 정수형 숫자이므로 노드가 그라데이션으로 표현됨

as.factor() : factor 타입으로 변환해 노드 그룹별로 다른 색으로 표현

set.seed(1234) graph_comment <- pair %>%   filter(n >= 25) %>%   as_tbl_graph(directed = F) %>%   mutate(centrality = centrality_degree(),          # 연결 중심성          group = as.factor(group_infomap()))        # 커뮤니티 graph_comment ## # A tbl_graph: 36 nodes and 156 edges ## # ## # An undirected multigraph with 1 component ## # ## # Node Data: 36 x 3 (active) ## name centrality group ## <chr> <dbl> <fct> ## 1 봉준호 64 1 ## 2 축하 34 1 ## 3 영화 28 3 ## 4 블랙리스트 6 4 ## 5 기생충 26 5 ## 6 대한민국 10 5 ## # … with 30 more rows ## # ## # Edge Data: 156 x 3 ## from to n ## <int> <int> <dbl> ## 1 1 2 198 ## 2 1 2 198 ## 3 1 3 119 ## # … with 149 more rows

 

 

 

#2 네트워크 그래프에 연결 중심성, 커뮤니티 표현하기 

geom_node_point(aes())

size = centrality : 연결 중심성에 따라 노드 크기 설정

color = group : 커뮤니티 별로 노드 색깔 다르게

geom_node_point(show.legend = F) : 범례 제거

scale_size(range = c(5, 15)) : 노드 크기 5~15 범위 유지

너무 크거나 작으면 알아보기 불편

 

set.seed(1234) ggraph(graph_comment, layout = "fr") +                   # 레이아웃   geom_edge_link(color = "gray50",                          # 엣지 색깔                  alpha = 0.5) +                                           # 엣지 명암   geom_node_point(aes(size = centrality,                  # 노드 크기                       color = group),                                     # 노드 색깔                   show.legend = F) +                                  # 범례 삭제   scale_size(range = c(5, 15)) +                                 # 노드 크기 범위   geom_node_text(aes(label = name),                       # 텍스트 표시                  repel = T,                                                   # 노드밖 표시                  size = 5,                                                     # 텍스트 크기                  family = "nanumgothic") +                         # 폰트   theme_graph()                                                          # 배경 삭제

 

 

 

#3 네트워크의 주요 단어 살펴보기

3-1 주요 단어의 커뮤니티 살펴보기

graph_comment %>%   filter(name == "봉준호") # # A tbl_graph: 1 nodes and 0 edges # # # # An unrooted tree # # # # Node Data: 1 x 3 (active) # name   centrality group # <chr>       <dbl> <fct> #   1 봉준호         64 1     # # # # Edge Data: 0 x 3 # # ... with 3 variables: from <int>, to <int>, n <dbl>

 

 

3-2 같은 커뮤니티로 분류된 단어 살펴보기

graph_comment %>%   filter(group == 4) %>%   arrange(-centrality) %>%   data.frame() #       name   centrality group # 1 블랙리스트       6     4 # 2     올리다          4     4 # 3     박근혜          4     4

 

 

3-3 연결 중심성이 높은 주요 단어 살펴보기

graph_comment %>%   arrange(-centrality) # # A tbl_graph: 36 nodes and 156 edges # # # # An undirected multigraph with 1 component # # # # Node Data: 36 x 3 (active) # name     centrality group # <chr>         <dbl> <fct> #   1 봉준호           64 1     # 2 축하             34 2     # 3 영화             28 3     # 4 기생충           26 5     # 5 작품상           14 6     # 6 대한민국         10 5     # # ... with 30 more rows # # # # Edge Data: 156 x 3 # from    to     n # <int> <int> <dbl> #   1     1     2   198 # 2     1     2   198 # 3     1     3   119 # # ... with 153 more rows

 

 

 

3-4 연결 중심성이 높은 주요 단어 살펴보기

graph_comment %>%   filter(group == 2) %>%   arrange(-centrality) %>%   data.frame() # name centrality group # 1     축하         34     2 # 2 아카데미         10     2 # 3     좋다          8     2 # 4     자랑          6     2 # 5     진심          4     2 # 6     대박          4     2 # 7     수상          4     2 # 8   멋지다          4     2 # 9   기쁘다          2     2

 

 

 

 

# 4 주요 단어가 사용된 원문 살펴보기

news_comment %>%   filter(str_detect(reply, "봉준호") & str_detect(reply, "대박")) %>%   select(reply)

 

news_comment %>%   filter(str_detect(reply, "박근혜") & str_detect(reply, "블랙리스트")) %>%   select(reply)

 

news_comment %>%   filter(str_detect(reply, "기생충") & str_detect(reply, "조국")) %>%   select(reply)