原文鏈接：http://tecdat.cn/?p=1506

最近我們被客戶要求撰寫關(guān)于文本挖掘的研究報告，包括一些圖形和統(tǒng)計輸出。 高度信息化的今天,社交媒體向我們提供直接認識外界的一個窗口,決定著大家對一個地區(qū)的認知，像是一雙對地區(qū)形象“塑型”的“看不見”的手?（?點擊文末“閱讀原文”獲取完整代碼數(shù)據(jù)********?）。

▼

根據(jù)這個背景，tecdat對素有“塞上江南”之稱的寧夏熱門推文（hot tweet，推特中的熱門推文是指被轉(zhuǎn)推或被收藏過的推文，相比普通推文影響力更大）進行了分析。

研究人員發(fā)現(xiàn)網(wǎng)友們關(guān)注的主題，同時傾聽大家呈現(xiàn)出來的態(tài)度及情感。根據(jù)對135,592條推特用戶自主在線發(fā)布消息的分析，我們發(fā)現(xiàn)了一些值得注意的內(nèi)容。

▍“消費購物” 成為關(guān)注度最高主題， 超過十分之一的推文與飲食有關(guān)

可以看到，熱門推文中有關(guān)的主題有4個，根據(jù)場景的不同分別為“消費購物”、“工業(yè)經(jīng)濟”、“健康養(yǎng)生”、“休閑生活”。有關(guān)消費購物的推文所占比例最高，推特用戶中最關(guān)心的寧夏議題是消費購物。

屬于消費購物類的主題包括Market, oilsoil,food,wolf berries,drinking,wine,共6項，所占比例為32.6%；

屬于工業(yè)經(jīng)濟的包括energy, automous ,industry, coal , province等5個主題， 所占比例為26.4%。

點擊標題查閱往期內(nèi)容

R語言文本挖掘、情感分析和可視化哈利波特小說文本數(shù)據(jù)

左右滑動查看更多

01

02

03

04

屬于健康養(yǎng)生的主題包括living , heal ,nural, antioxidant , goji ,dried,共計6個，所占比例為21%。

屬于休閑生活的主題包括twter , instagram ,pic, youngliving , shot，共計5個，所占比例為20%。

從消費購物詞云中，我們發(fā)現(xiàn)驢友愛買的寧夏特產(chǎn)，如干紅葡萄酒、枸杞酒、賀蘭石等。

從工業(yè)詞云中，我們發(fā)現(xiàn)煤炭是寧夏的優(yōu)勢礦產(chǎn)資源。寧夏境內(nèi)能源資源豐富，可利用的有石油、天然氣、煤層氣、水能、風能、光能等。這些資源為寧夏建設(shè)能源基地提供了強有力的保證。

從健康養(yǎng)生詞云中我們發(fā)現(xiàn)作為寧夏特產(chǎn)的枸杞，具有一定的養(yǎng)生抗氧化功效。

從休閑生活詞云中，我們發(fā)現(xiàn)寧夏作為旅游勝地，吸引了大量年輕人前來拍照游玩。

▍熱門推文總體上以積極正向為主

從變化的情況來看，2016年的推文積極正面的評價比例最低，為42%，消極負面評價的比例為58%，是歷年來最高的。

點擊標題查閱往期內(nèi)容

自然語言處理NLP：主題LDA、情感分析疫情下的新聞文本數(shù)據(jù)

左右滑動查看更多

01

02

03

04

通過2016年推特的關(guān)鍵詞，我們發(fā)現(xiàn)負面的議題包括：驢友評論寧夏干燥的天氣、寧夏部分地區(qū)犧牲環(huán)境換發(fā)展、以及導游強迫購物現(xiàn)象。

按照四個主題來看，在健康養(yǎng)生議題中，積極正面的評價為77.05%，略高于其他議題中正面評價的比例。同時可以看到休閑生活的負面評價比例最低。

▍熱門推文中只有四分之一表現(xiàn)出了明顯的情感

識別情感時，共有六種情感：anger（憤怒）、disgust（厭惡）、fear（恐懼）、joy（喜悅）、sadness（悲傷）和surprise（驚奇），在分析時會先為每條推文的每種可能情感打分。

如果六種情感可能性得分相差不大時，則情感類擬合為unknown（未知）。如果某條推文被擬合得到某一類情感，該情感一定是強烈的情感。

從情感分析的結(jié)果來看，只有25.54%的推文表現(xiàn)出了強烈的情感。近四分之三的推文都沒有表現(xiàn)出強烈的情感，情感擬合為unknown。

歷時來看，隨著時間的推移，熱門推文表現(xiàn)出強烈情感的比例越來越多。在2008年，只有30.3%表達出了強烈的情感，而2016年，這個比例已經(jīng)提升到42.8%。這表明，就寧夏地區(qū)議題而言，推特用戶越來越傾向于表達出強烈的情感。

▍從情感的比例情況來看，喜悅高居第一位，且有上升的趨勢

從所表達出來的情感來看，比例最高的情感是喜悅，占比16.19%；其次為悲傷，占4.49%。

joy呈現(xiàn)出逐年提高的趨勢， 這說明熱門推文中，含有喜悅情感的比例越來越多，而sadness呈現(xiàn)出小幅上下波動減小的態(tài)勢。

?

點擊文末?“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《R語言文本挖掘：twitter推特LDA主題情感分析》。

點擊標題查閱往期內(nèi)容

scrapy爬蟲框架和selenium的使用：對優(yōu)惠券推薦網(wǎng)站數(shù)據(jù)LDA文本挖掘
R語言用隨機森林和文本挖掘提高航空公司客戶滿意度
R語言中對文本數(shù)據(jù)進行主題模型topic modeling分析
R語言文本挖掘NASA數(shù)據(jù)網(wǎng)絡(luò)分析，tf-idf和主題建模
R語言文本挖掘tf-idf,主題建模，情感分析,n-gram建模研究
scrapy爬蟲框架和selenium的使用：對優(yōu)惠券推薦網(wǎng)站數(shù)據(jù)LDA文本挖掘
主題模型及文本情感分析疫情新聞數(shù)據(jù)
R語言對NASA元數(shù)據(jù)進行文本挖掘的主題建模分析
用于NLP的Python：使用Keras的多標簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類
python使用MongoDB，Seaborn和Matplotlib文本分析和可視化API數(shù)據(jù)
用于NLP的Python：使用Keras進行深度學習文本生成
用R進行網(wǎng)站評論文本挖掘聚類
weka文本挖掘分析垃圾郵件分類模型
R語言用隨機森林和文本挖掘提高航空公司客戶滿意度
用r語言對優(yōu)惠券推薦網(wǎng)站數(shù)據(jù)LDA文本挖掘