码迷,mamicode.com
首页 > 编程语言 > 详细

R语言对推特数据进行文本情感分析

时间:2019-07-04 17:33:21      阅读:326      评论:0      收藏:0      [点我收藏+]

标签:sort   关键词   number   ima   验证   created   r语言   结果   %s   

美国调查公司盖洛普公司(Gallup poll found)民调显示,至少51%美国人不赞同总统特朗普的政策。据外媒报道,特朗普上任8天以来引发51%美国人的不满,42%美国人赞同新总统的政策。该项调查共有1500名成年美国人,误差为3%。

技术图片

为了验证美国民众的不满情绪,我们以R语言抓取的特朗普推特数据为例,对数据进行文本挖掘,进一步进行情感分析,从而得到很多有趣的信息。

找到推特来源是苹果手机或者安卓手机的样本,清理掉其他来源的样本

tweets <-trump_tweets_df>%select(id, statusSource, text, created) %>%extract(statusSource, "source", "Twitter for (.*?)<")>%filter(source %in%c("iPhone", "Android"))对数据进行可视化计算不同时间,对应的推特比例.

并且对比安卓手机和苹果手机上的推特数量的区别

技术图片

从对比图中我们可以发现,安卓手机和苹果手机发布推特的时间有显著的差别,安卓手机倾向于在5点到10点之间发布推特,而苹果手机一般在10点到20,点左右发布推特.同时我们也可以看到,安卓手机发布推特数量的比例要高于苹果手机

然后查看推特中是否含有引用 ,并且对比不同平台上的数量

ggplot(aes(source, n, fill = quoted)) +geom_bar(stat ="identity", position ="dodge") +labs(x ="", y ="Number of tweets", fill ="") +ggtitle(‘Whether tweets start with a quotation mark (")‘)

技术图片

从对比的结果来看,安卓手机,没有引用的比例要明显低于苹果手机。而安卓手机应用的数量要明显大于苹果手机。因此可以认为,苹果手机发的推特内容大多为原创,而安卓手机大多为应用内

然后查看推特中是否有链接或者图片,并且对比不同平台的情况

ggplot(tweet_picture_counts, aes(source, n, fill = picture)) +geom_bar(stat ="identity", position ="dodge") +labs(x ="", y ="Number of tweets", fill ="")

技术图片

从上面的对比图中,我们可以看到安卓手机没有图片或者链接的情况要多与苹果,也就是说,使用苹果手机的用户在发推特的时候一般会发布照片或者链接

同时可以看到安卓平台的用户把推特一般不使用图片或者链接,而苹果手机的用户恰恰相反

spr <-tweet_picture_counts>%spread(source, n) %>%mutate_each(funs(. /sum(.)), Android, iPhone)rr <-spr$iPhone[2] /spr$Android[2]

然后我们对推特中的异常字符进行检测,并且进行删除

然后找到推特中关键词,并且按照数量进行排序library(tidytext)reg <- "([^A-Za-z\\d#@‘]|‘(?![A-Za-z\\d#@]))"tweet_words <-tweets>%filter(!str_detect(text, ‘^"‘)) %>%mutate(text =str_replace_all(text, "https://t.co/[A-Za-z\\d]+|&", "")) %>%unnest_tokens(word, text, token ="regex", pattern = reg) %>%filter(!word %in%stop_words$word,str_detect(word, "[a-z]"))tweet_words

tweet_words %>%count(word, sort =TRUE) %>%head(20) %>%mutate(word =reorder(word, n)) %>%ggplot(aes(word, n)) +geom_bar(stat ="identity") +ylab("Occurrences") +coord_flip()

技术图片

从图中我们可以看到希拉里这个关键词的排名是第一,随后是特朗普2016这个关键词。同时在后面的关键词中,我们还看到了特朗普,以及克林顿等。

对数据进行情感分析,并且计算安卓和苹果手机的相对影响比例

通过特征词情感倾向分别计算不同平台的情感比,并且进行可视化

技术图片

在统计出不同情感倾向的词的数量之后,绘制他们的置信区间。从上面的图中可以看到,相比于苹果手机,安卓手机的负面情绪最多,其次是disgust,然后是悲伤。表示积极的情感倾向很少。

然后我们对每个情感类别中出现的关键词的数量进行统计

android_iphone_ratios %>%inner_join(nrc, by ="word") %>%filter(!sentiment %in%c("positive", "negative")) %>%mutate(sentiment =reorder(sentiment, -logratio),word =reorder(word, -logratio)) %>%

技术图片

从结果中我们可以看到,负面词大多出现在安卓手机上,而苹果手机上出现的负面词的数量要远远小于安卓平台上的数量

 

R语言对推特数据进行文本情感分析

标签:sort   关键词   number   ima   验证   created   r语言   结果   %s   

原文地址:https://www.cnblogs.com/tecdat/p/11133427.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!