Phân tích cảm xúc

Phân tích dữ liệu mạng xã hội bằng Python

Alex Hanna

Computational Social Scientist

Tìm hiểu phân tích cảm xúc

Phương pháp
- Đếm số từ tích cực/tiêu cực trong văn bản
- Đánh giá mức tích cực/tiêu cực của toàn văn bản
Ứng dụng
- Phân tích phản ứng với công ty, sản phẩm, chính trị gia hoặc chính sách

Công cụ phân tích cảm xúc

VADER SentimentIntensityAnalyzer()
- Một phần của Natural Language Toolkit (nltk)
- Hiệu quả cho văn bản ngắn như tweet
- Đo cảm xúc của từng từ (ví dụ: angry, happy)
- Cũng xét đến cảm xúc của emoji (😀) và viết hoa (Nice vs NICE)

Triển khai phân tích cảm xúc

from nltk.sentiment.vader import SentimentIntensityAnalyzer

sid = SentimentIntensityAnalyzer()

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

Diễn giải điểm cảm xúc

Đọc tweet trong quá trình xử lý
- Có "độ tin cậy bề mặt" không? (tức là có khớp với hiểu biết của tôi về tích cực hay tiêu cực không?)

Diễn giải điểm cảm xúc

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}

Tạo điểm cảm xúc trung bình

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()

Vẽ biểu đồ điểm cảm xúc

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 of companies')
plt.legend(('Facebook', 'Google'))
plt.show()

Cảm xúc: Facebook vs. Google

Cùng luyện tập nào!

Phân tích dữ liệu mạng xã hội bằng Python