Sentiment analysis

Python में सोशल मीडिया डेटा का विश्लेषण

Alex Hanna

Computational Social Scientist

Sentiment analysis समझना

विधि
- डॉक्यूमेंट में पॉजिटिव/नेगेटिव शब्द गिनना
- पूरे डॉक्यूमेंट की पॉजिटिविटी/नेगेटिविटी आँकना
उपयोग
- किसी कंपनी, प्रोडक्ट, राजनेता, या नीति पर प्रतिक्रियाएँ विश्लेषित करना

Sentiment analysis टूल्स

VADER SentimentIntensityAnalyzer()
- Natural Language Toolkit (nltk) का हिस्सा
- ट्वीट जैसे छोटे टेक्स्ट के लिए अच्छा
- खास शब्दों के sentiment को मापता है (जैसे angry, happy)
- इमोजी (😀) और कैपिटलाइज़ेशन (Nice बनाम NICE) का असर भी देखता है

Sentiment analysis लागू करना

from nltk.sentiment.vader import SentimentIntensityAnalyzer

sid = SentimentIntensityAnalyzer()

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

Sentiment स्कोर की व्याख्या

प्रोसेस के हिस्से के रूप में ट्वीट पढ़ना
- क्या इसमें face validity है? (यानी, क्या यह मेरी पॉजिटिव/नेगेटिव समझ से मेल खाता है?)

Sentiment स्कोर की व्याख्या

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}

Sentiment औसत निकालना

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()

Sentiment स्कोर प्लॉट करना

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 बनाम Google का sentiment

अभ्यास करते हैं!

Python में सोशल मीडिया डेटा का विश्लेषण