Я смотрел видео об анализе настроений и решил провести анализ настроений в недавнем тамильском фильме Раджниканта под названием «Петта». У Раджниканта огромное количество поклонников в Индии, и его фильмы собирают много информации.
Это была хорошая возможность испытать некоторые алгоритмы машинного обучения на данных твиттера фильма «petta», проанализировав 180 твитов. Анализ показал, что в целом фильм собрал больше положительных отзывов, чем отрицательных. Согласно нашему общему анализу, с данными, которые у нас были в руках, 10% были отрицательными отзывами о фильме, 35% были положительными, а 55% были нейтральными в своем мнении о фильме.
Что такое анализ настроений?
Анализ тональности рассматривает некоторый текст и классифицирует слова в тексте на положительные, отрицательные и нейтральные. В алгоритме, основанном на правилах, слова помечаются различными тонами на основе используемого словаря. Алгоритм сообщает общую тональность предложения с помощью составного балла от -1 до 1, где -1 является крайне отрицательным, а 1 - крайне положительным.
Что считается положительным, отрицательным и нейтральным?
Пример классификации слов приведен ниже.
Как я проводил анализ настроений?
Я подал заявку на получение токена разработчика API Twitter и извлек твиты, относящиеся к «Петте».
Я использовал твиповый курсор, чтобы получить твиты. Существует ограничение 180 запросов на сеанс окна.
Я использовал библиотеку nltk и использовал vader_lexicon для категоризации положительных, отрицательных и нейтральных терминов в твите. Библиотека словаря Vader - это алгоритм, основанный на правилах, специально адаптированный для текста из социальных сетей.
Что можно сделать лучше?
Как и в любом другом анализе, большее количество данных дает лучшие результаты. Я понял, что твиттер API имеет очень строгий лимит скорости (всего 180 твитов за 15 минут), мне очень хотелось бы получить больше данных по любой теме, например, миллион точек данных и провести анализ настроений. Это, вероятно, позволит нам лучше понять мнение людей.
Это было хорошее начало. Спасибо за чтение.
