「get_twitter_data」メソッド　

「get_ twitter_data」でキーワード検索（https://api.twitter.com/1.1/search/tweets.json）にアクセスし、ツイートを取得しています。
パラメーターとして「"tweet_mode": "extended"」を追加することで、ツイートを全文取得できます。
また、パラメーターにparams["max_id"を指定することで、制限を超えるツイートの取得が可能になります。
＊TwitterAPIは試行制限回数が決められているので、注意して繰り返し処理を行なってください！2020/11/9現在は15分ごとに180回です。

「latent_dirichletal_location」メソッド

ここでトピックスを作成するメソッドを実行しています。
今回はトピックスを作成するためにgensimの「LatentDirichletAllocation(LDA)」使用しています。
Gensim: topic modelling for humans
＊LDAについて詳しく知りたい方はこちらを参照してみてください！

「tokenize」メソッド

「tokenize」メソッドにて、MeCabを利用して「名詞」を取得しています。
また、辞書は「mecab-ipadic-neologd」を使用しています。
＊「mecab-ipadic-neologd」は週２回は更新される、新語に強い辞書です。Twitterや最新ニュースなどを分析する際には最適な辞書です！
neologd/mecab-ipadic-neologd

「shap_text」メソッド

このメソッドでは、テキストの整形（絵文字削除、不要記号・単語削除）を行っています。

結果

実際にコスメという単語をキーワード検索し、実験してみました！
実験結果としては以下の通りになりました。

コスメ系のトピックを抽出することができました！
画像を見てみると、「ハンドクリーム」「化粧水」などコスメに関連した単語の他にも「ツイート」「パケ買い」などの関連してないっぽい単語も抽出されてしまっていますね。
ここは改善が必要そうです。

まとめ

皆さんいかがだったでしょうか？今回は「TwitterAPI」のキーワード検索で得た結果を「LDA」にかけて、トピックを抽出するプログラムを作って実験してみました。
まだ関係ない単語が複数抽出されるみたいなので、改良が必要そうですね。
また改良を続けていきます！
それでは今回はここで筆を置かせていただきます。
最後まで記事をご覧いただきありがとうございました！