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
-
tweets <-tweets_df>%select(id, statusSource, text, created) %>%
-
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。
-
ggplot(aes(source, n, fill = quoted)) +
-
geom_bar(stat ="identity", position ="dodge") +
-
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
-
ggplot(tweet_picture_counts, aes(source, n, fill = picture)) +
-
geom_bar(stat ="identity", position ="dodge") +
-
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。
-
spr <-tweet_picture_counts>%spread(source, n) %>%
-
mutate_each(funs(. /sum(.)), Android, iPhone)
-
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
-
reg <- "([^A-Za-z\\d#@']|'(?![A-Za-z\\d#@]))
-
"tweet_words <-tweets>%filter(!str_detect(text, '^"')) %>%m
-
utate(text =str_replace_all(text, "https://t.co/[A-Za-z\\d]+|&", "")) %>%
-
unnest_tokens(word, text, token ="regex", pattern = reg) %>%
-
filter(!word %in%stop_words$word,str_detect(word, "[a-z]"))
-
-
-
tweet_words %>%count(word, sort =TRUE) %>%head(20) %>%
-
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
-
android_iphone_ratios %>%inner_join(nrc, by ="word") %>%
-
filter(!sentiment %in%c("positive", "negative")) %>%
-
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
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
