감성 분석

Python으로 소셜 미디어 데이터 분석하기

Alex Hanna

Computational Social Scientist

감성 분석 이해

방법
- 문서 내 긍정/부정 단어 계산
- 문서 전체의 긍정/부정 평가
활용
- 기업, 제품, 정치인, 정책에 대한 반응 분석

감성 분석 도구

VADER SentimentIntensityAnalyzer()
- 자연어 처리 도구(nltk)의 일부
- 트윗과 같은 짧은 텍스트에 적합
- 특정 단어의 감성 측정 (예: angry, happy)
- 이모지(😀) 및 대소문자(Nice vs NICE)의 감성도 고려

감성 분석 구현

from nltk.sentiment.vader import SentimentIntensityAnalyzer

sid = SentimentIntensityAnalyzer()

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

감성 점수 해석

분석 과정에서 트윗 직접 확인
- 표면 타당성 검토 (즉, 긍정/부정 판단이 직관과 일치하는가?)

감성 점수 해석

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}

감성 평균 생성

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()

감성 점수 시각화

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()

Facebook 대 Google 감성

연습해 봅시다!

Python으로 소셜 미디어 데이터 분석하기