EDA labeled account

[andreaschandra]

boundaries yang jelas antara buzzer dan non buzzer kalo pake rule based mungkin bakal:

• banyak tweet dari suatu account yang pake hashtag, e.g 80% dari tweetnya pake hashtag
• banyak retweet yang mengandung hashtag atau yang bermuatan politik entah berupa text, gambar atau video
• Jika tidak menggunakan hashtag, tidak meretweet, namun sering membuat tweet yang me-mention tokoh-tokoh politik dan sangat sering e.g 70% of the tweets

Task:

• [x] average tweet per hari (assumsi: buzzer lebih sering ngetweet per hari)
• [x] average retweet per hari (asumsi: buzzer lebih sering retweet per hari)
• [x] average hashtag yang dipake dalam suatu tweet (asumsi: tweet buzzer punya lebih banyak hashtag di tweetnya)
• [x] average tweet yang pake hashtag (asumsi: buzzer lebih sering pake hashtag tiap membuat tweet)
• [x] bikin kategori hashtag dictionary (politik / non politik)
• [ ] probability hashtag politik yang dipakai per account

[andreaschandra]

Average tweets per account

average retweet dari total tweet

average hashtag per user

average tweet contains hashtag

[andreaschandra]

Dictionary hashtag yang perlu di label https://drive.google.com/file/d/1ggzzbHiz5cKXct7xzR_MrKsyVRLJwFjZ/view?usp=sharing

@rubentea16 @AndhikaS97

[andreaschandra]

@rubentea16 @AndhikaS97 ini plot dari hashtag yang dilabelin. imbalance

[AndhikaS97]

Kalo imbalance gitu gimana? Harus dilanjut labelin lagi kah sampe balance?

[andreaschandra]

hmm... coba gw modeling dulu ya, kalo semisal ga perform, either emang susah buat diseperate karena kurang data, atau labelnya yang ga konsisten

[andreaschandra]

Baseline

• BernouliNB

• SVM

• Random Forest

• AdaBoost

• Gradient Boosting

[andreaschandra]

Update trigram character

[andreaschandra]

close eda ya guys @AndhikaS97 @rubentea16