拓端tecdat|R语言对推特twitter数据进行文本情感分析

原文链接:http://tecdat.cn/?p=4012

我们以R语言抓取的推特数据为例,对数据进行文本挖掘,进一步进行情感分析,从而得到很多有趣的信息。

找到推特来源是苹果手机或者安卓手机的样本,清理掉其他来源的样本

  1.  
    tweets <-tweets_df>%select(id, statusSource, text, created) %>%
  2.  
    extract(statusSource, "source", "Twitter for (.*?)<")>%filter(source %in%c("iPhone", "Android"))

对数据进行可视化计算不同时间,对应的推特比例.

并且对比安卓手机和苹果手机上的推特数量的区别

从对比图中我们可以发现,安卓手机和苹果手机发布推特的时间有显著的差别,安卓手机倾向于在5点到10点之间发布推特,而苹果手机一般在10点到20点左右发布推特。同时我们也可以看到,安卓手机发布推特数量的比例要高于苹果手机。

然后查看推特中是否含有引用 ,并且对比不同平台上的数量。

  1.  
    ggplot(aes(source, n, fill = quoted)) +
  2.  
    geom_bar(stat ="identity", position ="dodge") +
  3.  
    labs(x ="", y ="Number of tweets", fill ="")

从对比的结果来看,安卓手机没有引用的比例要明显低于苹果手机。而安卓手机引用的数量要明显大于苹果手机。因此可以认为,苹果手机发的推特内容大多为原创,而安卓手机大多为引用。

然后查看推特中是否有链接或者图片,并且对比不同平台的情况

  1.  
    ggplot(tweet_picture_counts, aes(source, n, fill = picture)) +
  2.  
    geom_bar(stat ="identity", position ="dodge") +
  3.  
    labs(x ="", y ="Number of tw

从上面的对比图中,我们可以看到安卓手机没有图片或者链接的情况要多于苹果,也就是说,使用苹果手机的用户在发推特的时候一般会发布照片或者链接。

同时可以看到安卓平台的用户把推特一般不使用图片或者链接,而苹果手机的用户恰恰相反。

  1.  
    spr <-tweet_picture_counts>%spread(source, n) %>%
  2.  
    mutate_each(funs(. /sum(.)), Android, iPhone)
  3.  
    rr <-spr$iPhone[2] /spr$Android[2]

然后我们对推特中的异常字符进行检测,并且进行删除然后找到推特中关键词,并且按照数量进行排序

  1.  
    reg <- "([^A-Za-z\\d#@']|'(?![A-Za-z\\d#@]))
  2.  
    "tweet_words <-tweets>%filter(!str_detect(text, '^"')) %>%m
  3.  
    utate(text =str_replace_all(text, "https://t.co/[A-Za-z\\d]+|&", "")) %>%
  4.  
    unnest_tokens(word, text, token ="regex", pattern = reg) %>%
  5.  
    filter(!word %in%stop_words$word,str_detect(word, "[a-z]"))
  6.  
     
  7.  
     
  8.  
    tweet_words %>%count(word, sort =TRUE) %>%head(20) %>%
  9.  
    mutate(word =reorder(word, n)) %>%ggplot(aes(word, n)) +geom_b

对数据进行情感分析,并且计算安卓和苹果手机的相对影响比例。

通过特征词情感倾向分别计算不同平台的情感比,并且进行可视化。

在统计出不同情感倾向的词的数量之后,绘制他们的置信区间。从上面的图中可以看到,相比于苹果手机,安卓手机的负面情绪最多,其次是厌恶,然后是悲伤。表达积极的情感倾向很少。

然后我们对每个情感类别中出现的关键词的数量进行统计

  1.  
    android_iphone_ratios %>%inner_join(nrc, by ="word") %>%
  2.  
    filter(!sentiment %in%c("positive", "negative")) %>%
  3.  
    mutate(sentiment =reorder(sentiment, -logratio),word =reorder(word, -logratio)) %>%

从结果中我们可以看到,负面词大多出现在安卓手机上,而苹果手机上出现的负面词的数量要远远小于安卓平台上的数量。


最受欢迎的见解

1.数据类岗位需求的数据面

2.探析大数据期刊文章研究热点

3.机器学习助推快时尚精准销售预测

4.用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用

5.数据盘点:家电线上消费新趋势

6.在r语言中使用GAM(广义相加模型)进行电力负荷时间序列分析

7.虎扑论坛基因探秘:社群用户行为数据洞察

8.把握出租车行驶的数据脉搏

9.智能门锁“剁手”数据攻略请选中你要保存的内容,粘贴到此文本框

posted @ 2020-12-10 23:18  拓端tecdat  阅读(232)  评论(0编辑  收藏  举报