Analyse de sentiment sur Twitter

Analyse des données des médias sociaux avec R

Vivek Vijayaraghavan

Data Science Coach

Aperçu de la leçon

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

Analyse de sentiment

Repérer la perception d'un produit ou d'une marque
Extraire et quantifier avis positifs, négatifs et neutres
Émotions comme la confiance, la joie et la colère dans le texte

Émotions de l'analyse de sentiment

Importance de l'analyse de sentiment

La perception des client·e·s influence l'achat
Aide à saisir le pouls de ce que ressentent les client·e·s
Démarche proactive pour écouter et interagir directement

Fonctionnement de l'analyse de sentiment

Bibliothèques d'émotions prédéfinies pour calculer des scores
Entraînées et notées selon le sens ou l'intention des mots
Chaque mot est coté selon sa proximité avec du positif ou du négatif
Même principe pour des émotions précises

Étapes de l'analyse de sentiment

Étape 1 de l'analyse de sentiment

Étapes de l'analyse de sentiment

Étape 2 de l'analyse de sentiment

Étapes de l'analyse de sentiment

Étape 3 de l'analyse de sentiment

Étapes de l'analyse de sentiment

Étape 4 de l'analyse de sentiment

Extraire des tweets pour l'analyse de sentiment

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

Effectuer l'analyse de sentiment

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

Afficher les scores de sentiment

# 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 sentiment

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

Trame de données des scores de sentiment

# 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

Trame de données des scores de sentiment

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

Trame de données des scores de sentiment

# 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 !

Analyse des données des médias sociaux avec R