Analyse de sentiments sur Twitter

Analyzing Social Media Data in R

Vivek Vijayaraghavan

Data Science Coach

Aperçu de la leçon

Qu'est-ce que l'analyse de sentiments ?
Réaliser une analyse de sentiments sur des tweets
Interpréter pour comprendre opinions et ressentis

Analyse de sentiments

Récupérer des infos sur la perception d'un produit ou d'une marque
Extraire et quantifier opinions positives, négatives et neutres
Émotions comme la confiance, la joie et la colère dans le texte

Émotions de l'analyse de sentiments

Intérêt de l'analyse de sentiments

La perception client influence les achats
Aide à capter le ressenti des clients
Démarche proactive pour écouter et dialoguer

Fonctionnement de l'analyse de sentiments

Bibliothèques de sentiments pré‑définies pour calculer des scores
Entraînées et scorées selon le sens ou l'intention des mots
Chaque mot est noté selon sa proximité avec un mot positif ou négatif
Même principe étendu aux mots exprimant des émotions spécifiques

Étapes de l'analyse de sentiments

Étape 1 de l'analyse de sentiments

Étapes de l'analyse de sentiments

Étape 2 de l'analyse de sentiments

Étapes de l'analyse de sentiments

Étape 3 de l'analyse de sentiments

Étapes de l'analyse de sentiments

Étape 4 de l'analyse de sentiments

Extraire des tweets pour l'analyse de sentiments

# Extract tweets on galaxy fold
twts_galxy  <-  search_tweets("galaxy fold", n = 5000, 
                                lang = "en", include_rts = FALSE)

Réaliser l'analyse de sentiments

# Perform sentiment analysis for tweets on galaxy fold
library(syuzhet)
sa.value <- get_nrc_sentiment(twts_galxy$text)

Afficher les scores de sentiments

# View the sentiment scores
sa.value[1:5,1:7]

anger    anticipation    disgust    fear    joy    sadness    surprise
<dbl>       <dbl>         <dbl>     <dbl>  <dbl>    <dbl>       <dbl> 
0             0             0         0      0        0           0
1             0             0         0      0        0           0
1             1             0         2      1        1           1
0             0             0         1      0        0           0
0             0             0         0      0        0           0

Somme des scores de sentiments

# Calculate sum of sentiment scores
score <- colSums(sa.value[,])

Data frame des scores de sentiments

# Convert to data frame
score_df <- data.frame(score)

# View the data frame
score_df

               score
               <dbl>
anger           211            
anticipation    825            
disgust         214            
fear            253            
joy             412            
sadness         197            
surprise        315            
trust           641            
negative        487            
positive       1351

Data frame des scores de sentiments

# Convert row names into 'sentiment' column
# Combine with sentiment scores
sa.score <- cbind(sentiment = row.names(score_df), 
                  score_df, row.names=NULL)

Data frame des scores de sentiments

# View data frame with sentiment scores
print(sa.score)

sentiment      score
<fct>         <dbl>
anger           211            
anticipation    825            
disgust         214            
fear            253            
joy             412            
sadness         197            
surprise        315            
trust           641            
negative        487            
positive        1351

Tracer et visualiser les sentiments

Tracer et visualiser les sentiments avec ggplot()

# Plot the sentiment scores
ggplot(data = sa.score2, aes(x = sentiment, y = score, 
       fill = sentiment)) +
       geom_bar(stat = "identity") +
       theme(axis.text.x = element_text(angle = 45, hjust = 1))

Visualiser les sentiments

Passons à la pratique !

Analyzing Social Media Data in R