Sentimentanalyse

Socialmediagegevens analyseren in Python

Alex Hanna

Computational Social Scientist

Sentimentanalyse begrijpen

Methode
- Positieve/negatieve woorden in het document tellen
- Positiviteit/negativiteit van het hele document beoordelen
Toepassingen
- Reacties op een bedrijf, product, politicus of beleid analyseren

Tools voor sentimentanalyse

VADER SentimentIntensityAnalyzer()
- Onderdeel van Natural Language Toolkit (nltk)
- Geschikt voor korte teksten zoals tweets
- Meet sentiment van specifieke woorden (bijv. boos, blij)
- Houdt ook rekening met sentiment van emoji (😀) en hoofdletters (Nice vs NICE)

Sentimentanalyse implementeren

from nltk.sentiment.vader import SentimentIntensityAnalyzer

sid = SentimentIntensityAnalyzer()

sentiment_scores = tweets['text'].apply(sid.polarity_scores)

Sentimentscores interpreteren

Tweets lezen als onderdeel van het proces
- Heeft het face validity? (komt dit overeen met mijn idee van positief of negatief?)

Sentimentscores interpreteren

tweet1 = 'RT @jeffrey_heer: Thanks for inviting me, and thanks 
for the lovely visualization of the talk! ...'
print(sid.polarity_scores(tweet1))

{'neg': 0.0, 'neu': 0.496, 'pos': 0.504, 'compound': 0.9041}

tweet2 = 'i am having problems with google play music'
print(sid.polarity_scores(tweet2)

{'neg': 0.267, 'neu': 0.495, 'pos': 0.238, 'compound': -0.0772}

Gemiddelden van sentiment genereren

sentiment = sentiment_scores.apply(lambda x: x['compound'])

sentiment_fb = sentiment[check_word_in_tweet('facebook', tweets)]
                    .resample('1 min').mean()
sentiment_gg = sentiment[check_word_in_tweet('google', tweets)]
                    .resample('1 min').mean()

Sentimentscores plotten

plt.plot(
    sentiment_fb.index.minute, 
    sentiment_fb, color = 'blue'
    )
plt.plot(
    sentiment_g.index.minute, 
    sentiment_gg, color = 'green'
    )   
plt.xlabel('Minute')
plt.ylabel('Sentiment')
plt.title('Sentiment van bedrijven')
plt.legend(('Facebook', 'Google'))
plt.show()

Facebook vs. Google-sentiment

Laten we oefenen!

Socialmediagegevens analyseren in Python