web-applications - 情感分析使推文与搜索查询匹配并进行分析

Question

我想在推特上进行情感分析。我不想存储任何推文，但可以对它们进行分析，例如推文上说有关特定主题标签的积极内容等。我在这里遇到的问题是访问这些推文的速度太慢。访问推文并对其进行分析并将结果提供给用户的方式将是什么。一个很好的例子在这里:http://www.sentiment140.com/search?query=hello&hl=en

尽管以上链接中的家伙只接受了10条推文并对其进行了分析。我想知道如何访问api，以便用户可以快速响应。

即使这是一个很好的例子:http://snapbird.org/即使我知道如何访问推文并自动分析它们而不必将其存储在任何地方，也是一个完美的解决方案。

请注意，我只是在问不存储即可访问推文的方式，这样我就可以直接对用户进行分析并在Web应用程序中显示。

Answer 1

Sentiment140位于GoogleApp Engine上，因此您可以打赌他们正在使用Python执行此任务。 Python确实对此非常有好处，并且具有用于情感分析(NLTK)的强大库并使用twitter API。也有很棒的教程。您可以按照以下步骤操作:

获取关键字的最后N条推文(带有tweepy lib)，提供了示例。

将它们存储在数组

中

将数组传递给使用Python的NLTK构建的贝叶斯分类器[查看链接]

以近乎实时的

获取分析结果

如果需要(在Django/Flask模板等中)，将其呈现给用户


从twitter API获取N条推文

tweepy的示例(返回最后10 strip 有关键字“Lionel Messi”的推文)

#!/usr/bin/env python

import tweepy
ckey = 'xxx'
csecret = 'xxx'
atoken = 'xxx'
asecret = 'xxx'


auth = tweepy.OAuthHandler(ckey, csecret)
auth.set_access_token(atoken, asecret)

api = tweepy.API(auth)

tweets = []                             # You pass this array to the Bayesian Classifier
for tweet in tweepy.Cursor(api.search,
                       q="Lionel Messi",
                       result_type="recent",
                       include_entities=True,
                       lang="en").items(10):
    print tweet.created_at, tweet.text  
    tweets.append(tweet.text)           # Store the tweets in your array

构建朴素贝叶斯分类器

有关如何构建分类器和良好资源的示例:

http://ravikiranj.net/drupal/201205/code/machine-learning/how-build-twitter-sentiment-analyzer
https://github.com/ravikiranj/twitter-sentiment-analyzer

请记住，您必须训练和微调您的漫游器/分类器。这些资源中提供了更多信息和样板代码。

PS:或者，您可以将tweets的数组/字典传递给诸如text-processing.com的API之类的服务，它们将为您进行情感分析...

http://text-processing.com/demo/sentiment/
https://www.mashape.com/japerk/text-processing/pricing#!documentation

在一个简单的网站上显示结果

对于此任务，您可以使用flask-tweepy。只需阅读他们的演示，您就会看到将上述脚本合并到flask中并在 View 中呈现结果是多么容易。

希望能帮助到你!