การวิเคราะห์ความรู้สึกเป็นกระบวนการประเมินความรู้สึกของผู้ที่ให้ข้อเสนอแนะต่อเหตุการณ์บางอย่างไม่ว่าจะผ่านข้อความที่เป็นลายลักษณ์อักษรหรือผ่านการสื่อสารด้วยวาจา แน่นอนว่าการสื่อสารด้วยวาจาจะต้องถูกแปลงเป็นข้อความที่เขียนเพื่อให้สามารถวิเคราะห์ผ่านโปรแกรมหลามได้ ความรู้สึกที่แสดงออกโดยผู้คนอาจเป็นบวกหรือลบ โดยการกำหนดน้ำหนักให้กับคำต่างๆ ในข้อความความคิดเห็น เราจะคำนวณค่าตัวเลขและทำให้เราสามารถประเมินความคิดเห็นทางคณิตศาสตร์ได้
ประโยชน์
-
คำติชมของลูกค้า − เป็นสิ่งสำคัญสำหรับธุรกิจที่จะต้องทราบความคิดเห็นของลูกค้าเกี่ยวกับผลิตภัณฑ์หรือบริการ เมื่อคำติชมของลูกค้าแสดงเป็นข้อความที่เขียน เราสามารถเรียกใช้การวิเคราะห์ความคิดเห็นใน Twitter เพื่อค้นหาความคิดเห็นโดยรวมโดยทางโปรแกรมว่าเป็นเชิงบวกหรือเชิงลบ แล้วดำเนินการแก้ไข
-
แคมเปญทางการเมือง − สำหรับฝ่ายตรงข้ามทางการเมือง จำเป็นต้องรู้ปฏิกิริยาของผู้คนที่พวกเขากำลังกล่าวสุนทรพจน์ด้วย หากคำติชมจากสาธารณะสามารถรวบรวมผ่านแพลตฟอร์มออนไลน์ เช่น แพลตฟอร์มโซเชียลมีเดีย เราก็สามารถตัดสินการตอบสนองของสาธารณชนต่อคำพูดที่เฉพาะเจาะจงได้
-
ความคิดริเริ่มของรัฐบาล − เมื่อรัฐบาลใช้แผนใหม่เป็นครั้งคราว พวกเขาสามารถตัดสินการตอบสนองต่อโครงการใหม่ได้โดยใช้ความคิดเห็นของสาธารณชน ผู้คนมักจะยกย่องหรือโกรธเคืองผ่าน Twitter
แนวทาง
ด้านล่างนี้คือขั้นตอนที่จำเป็นในการสร้างโปรแกรมวิเคราะห์ความคิดเห็นใน python
-
ก่อนอื่นเราติดตั้ง Tweepy และ TextBlob โมดูลนี้จะช่วยให้เรารวบรวมข้อมูลจาก Twitter รวมทั้งแยกข้อความและประมวลผลได้
-
กำลังตรวจสอบสิทธิ์กับ Twitter เราจำเป็นต้องใช้คีย์ API เพื่อให้สามารถดึงข้อมูลจากทวีตเตอร์ได้
-
จากนั้นเราจะจัดประเภททวีตเป็นทวีตเชิงบวกและเชิงลบตามข้อความในทวีต
ตัวอย่าง
import re
import tweepy
from tweepy import OAuthHandler
from textblob import TextBlob
class Twitter_User(object):
def __init__(self):
consumer_key = '1ZG44GWXXXXXXXXXjUIdse'
consumer_secret = 'M59RI68XXXXXXXXXXXXXXXXV0P1L6l7WWetC'
access_token = '865439532XXXXXXXXXX9wQbgklJ8LTyo3PhVDtF'
access_token_secret = 'hbnBOz5XXXXXXXXXXXXXefIUIMrFVoc'
try:
self.auth = OAuthHandler(consumer_key, consumer_secret)
self.auth.set_access_token(access_token, access_token_secret)
self.api = tweepy.API(self.auth)
except:
print("Error: Authentication Failed")
def pristine_tweet(self, twitter):
return ' '.join(re.sub("(@[A-Za-z0-9]+)|([^0-9A-Za-z \t])|(\w+:\/\/\S+)", " ", twitter).split())
def Sentiment_Analysis(self, twitter):
audit = TextBlob(self.pristine_tweet(twitter))
# set sentiment
if audit.sentiment.polarity > 0:
return 'positive'
elif audit.sentiment.polarity == 0:
return 'negative'
def tweet_analysis(self, query, count = 10):
twitter_tweets = []
try:
get_twitter = self.api.search(q = query, count = count)
for tweets in get_twitter:
inspect_tweet = {}
inspect_tweet['text'] = tweets.text
inspect_tweet['sentiment'] = self.Sentiment_Analysis(tweets.text)
if tweets.retweet_count > 0:
if inspect_tweet not in twitter_tweets:
twitter_tweets.append(inspect_tweet)
else:
twitter_tweets.append(inspect_tweet)
return twitter_tweets
except tweepy.TweepError as e:
print("Error : " + str(e))
def main():
api = Twitter_User()
twitter_tweets = api.tweet_analysis(query = 'Ram Nath Kovind', count = 200)
Positive_tweets = [tweet for tweet in twitter_tweets if tweet['sentiment'] == 'positive']
print("Positive tweets percentage: {} %".format(100*len(Positive_tweets)/len(twitter_tweets)))
Negative_tweets = [tweet for tweet in twitter_tweets if tweet['sentiment'] == 'negative']
print("Negative tweets percentage: {} %".format(100*len(Negative_tweets)/len(twitter_tweets)))
print("\n\nPositive_tweets:")
for tweet in Positive_tweets[:10]:
print(tweet['text'])
print("\n\nNegative_tweets:")
for tweet in Negative_tweets[:10]:
print(tweet['text'])
if __name__ == "__main__":
main() ผลลัพธ์
การเรียกใช้โค้ดข้างต้นทำให้เราได้ผลลัพธ์ดังต่อไปนี้ -
Positive tweets percentage: 48.78048780487805 % Negative tweets percentage: 46.34146341463415 % Positive_tweets: RT @heartful_ness: "@kanhashantivan presents a model of holistic living. My deep & intimate association with this organisation goes back to… RT @heartful_ness: Heartfulness Guide @kamleshdaaji welcomes honorable President of India Ram Nath Kovind @rashtrapatibhvn, honorable first… RT @DrTamilisaiGuv: Very much pleased by the affection shown by our Honourable President Sri Ram Nath Kovind and First Lady madam Savita Ko… RT @BORN4WIN: Who became the first President of India from dalit community? A) K.R. Narayanan B) V. Venkata Giri C) R. Venkataraman D) Ram… Negative_tweets: RT @Keyadas63: What wuld those #empoweredwomen b termed who reach Hon HC at the drop of a hat But Demand #Alimony Maint? @MyNation_net @vaa… RT @heartful_ness: Thousands of @heartful_ness practitioners meditated with Heartfulness Guide @kamleshdaaji at @kanhashantivan & await the… RT @TurkeyinDelhi: Ambassador Sakir Ozkan Torunlar attended the Joint Session of Parliament of #India and listened the address of H.E. Shri…
