Analiza sentymentu na Twitterze

Analiza danych z mediów społecznościowych w R

Vivek Vijayaraghavan

Data Science Coach

Omówienie lekcji

Czym jest analiza sentymentu?
Przeprowadzanie analizy sentymentu na tweetach
Interpretacja odczuć i opinii użytkowników

Analiza sentymentu

Pozyskiwanie informacji o postrzeganiu produktu lub marki
Wyodrębnianie i kwantyfikacja opinii pozytywnych, negatywnych i neutralnych
Emocje takie jak zaufanie, radość i gniew z tekstu

Emocje w analizie sentymentu

Znaczenie analizy sentymentu

Postrzeganie przez klientów wpływa na decyzje zakupowe
Pozwala zrozumieć odczucia klientów
Proaktywne podejście do słuchania klientów i bezpośredniego angażowania się

Jak działa analiza sentymentu

Predefiniowane biblioteki sentymentów do obliczania wyników
Trenowane i oceniane na podstawie znaczenia lub intencji słów
Każde słowo jest oceniane na podstawie bliskości do słowa pozytywnego lub negatywnego
Ta sama zasada dotyczy słów wyrażających konkretne emocje

Etapy analizy sentymentu

Krok 1 w analizie sentymentu

Etapy analizy sentymentu

Krok 2 w analizie sentymentu

Etapy analizy sentymentu

Krok 3 w analizie sentymentu

Etapy analizy sentymentu

Krok 4 w analizie sentymentu

Pobieranie tweetów do analizy sentymentu

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

Przeprowadzanie analizy sentymentu

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

Wyświetlanie wyników sentymentu

# 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

Suma wyników sentymentu

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

Ramka danych z wynikami sentymentu

# 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

Ramka danych z wynikami sentymentu

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

Ramka danych z wynikami sentymentu

# 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

Wizualizacja sentymentów

Wizualizacja sentymentów za pomocą 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))

Wizualizacja sentymentów

Czas na ćwiczenia!

Analiza danych z mediów społecznościowych w R