畢業(yè)設(shè)計(jì) 大數(shù)據(jù)B站數(shù)據(jù)分析可視化 - 情感分析
0 數(shù)據(jù)分析目標(biāo)
今天向大家介紹如何使用大數(shù)據(jù)技術(shù)，對(duì)B站的視頻數(shù)據(jù)進(jìn)行分析，得到可視化結(jié)果。
這里學(xué)長(zhǎng)分為兩個(gè)部分描述：
2 對(duì)B站的具體視頻進(jìn)行彈幕情感分析
畢設(shè)幫助，選題指導(dǎo)，技術(shù)解答，歡迎打擾，見B站個(gè)人主頁(yè)
https://space.bilibili.com/33886978
1 B站整體視頻數(shù)據(jù)分析
分析方向：首先從總體情況進(jìn)行分析，之后分析綜合排名top100的視頻類別。
總體情況部分包括：
各分區(qū)播放量情況。
各區(qū)三連（硬幣、收藏、點(diǎn)贊）情況。
彈幕、評(píng)論、轉(zhuǎn)發(fā)情況。
繪制綜合詞云圖，查看關(guān)鍵詞匯。
綜合排名top100部分包括：
top100類別占比。
top100播放量情況。
硬幣、收藏、點(diǎn)贊平均人數(shù)分布。
各分區(qū)平均評(píng)論、彈幕、轉(zhuǎn)發(fā)量情況。
1.1 數(shù)據(jù)預(yù)處理
這里主要是進(jìn)行查看數(shù)據(jù)信息、空值、重復(fù)值以及數(shù)據(jù)類型，但由于數(shù)據(jù)很完整這里不再做過(guò)多操作。
對(duì)數(shù)據(jù)進(jìn)行拆分、聚合，方便之后各項(xiàng)分析，由于“區(qū)類別”列中的“全站”是各分類中排名靠前的視頻，會(huì)出現(xiàn)重復(fù)數(shù)據(jù)，因此對(duì)其進(jìn)行去除。
df.info()
df.isnull().count()
df.nunique().count()
df.dtypes
#剔除全區(qū)排名
df_nall=df.loc[df['區(qū)類別']!='全站']
df_nall['區(qū)類別'].value_counts()
#按分?jǐn)?shù)進(jìn)行排序asc
df_top100 = df_nall.sort_values(by='分?jǐn)?shù)',ascending=False)[:100]
df_type = df_nall.drop(['作者','視頻編號(hào)','標(biāo)簽名稱','視頻名稱','排名'],axis=1)
gp_type = df_type.groupby('區(qū)類別').sum().astype('int')
type_all = gp_type.index.tolist()
1.2 數(shù)據(jù)可視化
各分區(qū)播放情況
play = [round(i/100000000,2) for i in gp_type['播放次數(shù)'].tolist()]
# bar = (Bar()
# ? ? ? ? ? ? .add_xaxis(type_all)
# ? ? ? ? ? ? .add_yaxis("", play)
# ? ? ? ? ? ? .set_global_opts(
# ? ? ? ? ? ? title_opts=opts.TitleOpts(title="各分區(qū)播放量情況"),
# ? ? ? ? ? ? yaxis_opts=opts.AxisOpts(name="次/億"),
# ? ? ? ? ? ? xaxis_opts=opts.AxisOpts(name="分區(qū)",axislabel_opts={"rotate":45})
# ? ? ? ? )
# ? ? )
# bar.render_notebook()
pie = (
? ?Pie()
? ?.add(
? ? ? ?"",
? ? ? ?[list(z) for z in zip(type_all,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ?play)],
? ? ? ?radius=["40%", "75%"],
? ?)
? ?.set_global_opts(
? ? ? ?title_opts=opts.TitleOpts(title="各分區(qū)播放量情況 ?單位：億次"),
? ? ? ?legend_opts=opts.LegendOpts(
? ? ? ? ? ?orient="vertical", pos_top="15%", pos_left="2%"
? ? ? ?),
? ?)
? ?.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
)
pie.render_notebook()
播放量排名前三的分別是生活類、動(dòng)畫類、鬼畜類。其中動(dòng)畫類和鬼畜類，這兩個(gè)是B站的特色。 第三、四位是音樂(lè)類和科技類。
各區(qū)三連量情況可視化
coin_all = [round(i/1000000,2) for i in gp_type['硬幣數(shù)'].tolist()]
like_all = [round(i/1000000,2) for i in gp_type['點(diǎn)贊數(shù)'].tolist()]
favourite_all = [round(i/1000000,2) for i in gp_type['喜歡人數(shù)'].tolist()]
def bar_base() -> Bar:
? ?c = (
? ? ? ?Bar()
? ? ? ?.add_xaxis(type_all)
? ? ? ?.add_yaxis("硬幣", coin_all)
? ? ? ?.add_yaxis("點(diǎn)贊", like_all)
? ? ? ?.add_yaxis("收藏", favourite_all)
? ? ? ?.set_global_opts(title_opts=opts.TitleOpts(title="各分區(qū)三連情況"),
? ? ? ? ? ? ? ? ? ? ? ?yaxis_opts=opts.AxisOpts(name="次/百萬(wàn)"),
? ? ? ? ? ? ? ? ? ? ? ?xaxis_opts=opts.AxisOpts(name="分區(qū)",
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? axislabel_opts={"rotate":45}))
? ?)
? ?return c
? ? ? ?
bar_base().render_notebook()
雖然生活類投幣和點(diǎn)贊數(shù)依然是不可撼動(dòng)的，但是收藏?cái)?shù)卻排在動(dòng)畫之后，科技類收藏升至第四位。
彈幕、評(píng)論、三聯(lián)情況
danmaku_all = [round(i/100000,2) for i in gp_type['彈幕數(shù)'].tolist()]
reply_all = [round(i/100000,2) for i in gp_type['評(píng)論數(shù)'].tolist()]
share_all = [round(i/100000,2) for i in gp_type['轉(zhuǎn)發(fā)數(shù)'].tolist()]
line = (
? ? ? ?Line()
? ? ? ?.add_xaxis(type_all)
? ? ? ?.add_yaxis("彈幕", danmaku_all,label_opts=opts.LabelOpts(is_show=False))
? ? ? ?.add_yaxis("評(píng)論", reply_all,label_opts=opts.LabelOpts(is_show=False))
? ? ? ?.add_yaxis("轉(zhuǎn)發(fā)", share_all,label_opts=opts.LabelOpts(is_show=False))
? ? ? ?.set_global_opts(
? ? ? ? ? ?title_opts=opts.TitleOpts(title="彈幕、評(píng)論、轉(zhuǎn)發(fā)情況"),
? ? ? ? ? ?tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
? ? ? ? ? ?yaxis_opts=opts.AxisOpts(name="人數(shù) 單位：十萬(wàn)"),
? ? ? ? ? ?xaxis_opts=opts.AxisOpts(name="時(shí)間(日)",axislabel_opts={"rotate":45})
? ? ? ? ? ?)
? ? ? ?)
line.render_notebook()
B站搜索詞云圖
tag_list=','.join(df_nall['標(biāo)簽名稱']).split(',')
tags_count=pd.Series(tag_list).value_counts()
wordcloud = (
? ?WordCloud()
? ?.add("",
? ? ? ? [list(z) for z in zip(tags_count.index,tags_count)],
? ? ? ? word_size_range=[10, 100])
? ?.set_global_opts(title_opts=opts.TitleOpts(title="熱門標(biāo)簽"))
)
wordcloud.render_notebook()
硬幣、收藏、點(diǎn)贊平均人數(shù)分布
gp_triple_quality = df_top100.groupby('區(qū)類別')[['硬幣數(shù)','喜歡人數(shù)','點(diǎn)贊數(shù)',]].mean().astype('int')
gp_index = gp_triple_quality.index.tolist()
gp_coin = gp_triple_quality['硬幣數(shù)'].values.tolist()
gp_favorite = gp_triple_quality['喜歡人數(shù)'].values.tolist()
gp_like = gp_triple_quality['點(diǎn)贊數(shù)'].values.tolist()
max_num = max(gp_triple_quality.values.reshape(-1))
def radar_base() -> Radar:
? ?c = (
? ? ? ?Radar()
? ? ? ?.add_schema(
? ? ? ? ? ?schema=[
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[0], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[1], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[2], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[3], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[4], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[5], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[6], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[7], max_=600000),
? ? ? ? ? ? ? ?opts.RadarIndicatorItem(name=gp_index[8], max_=600000),]
? ? ? ?)
? ? ? ?.add("硬幣數(shù)", [gp_coin],color='#40e0d0')
? ? ? ?.add("喜歡人數(shù)", [gp_favorite],color='#1e90ff')
? ? ? ?.add("點(diǎn)贊數(shù)", [gp_like],color='#b8860b')
? ? ? ?.set_series_opts(label_opts=opts.LabelOpts(is_show=False),
? ? ? ? ? ? ? ? ? ? ? ?linestyle_opts=opts.LineStyleOpts(width=3,type_='dotted'),)
? ? ? ?.set_global_opts(title_opts=opts.TitleOpts(title="硬幣、收藏、點(diǎn)贊平均人數(shù)分布"))
? ?)
? ?return c
radar_base().render_notebook()
生活區(qū)的平均投幣和點(diǎn)贊量依然高于動(dòng)畫區(qū)。投幣、點(diǎn)贊、收藏最高的分區(qū)分別是：生活、影視、時(shí)尚。除了時(shí)尚區(qū)外，其他分區(qū)的收藏量均低于投幣和點(diǎn)贊，且時(shí)尚區(qū)的收藏量是遠(yuǎn)高其點(diǎn)贊和投幣量。
1.3 分析結(jié)果
從數(shù)據(jù)可視化中可以看到，播放量排名前三的分別是生活類、動(dòng)畫類、鬼畜類，讓人詫異的是以動(dòng)漫起家的B站，播放量最多的視頻分類竟然是生活類節(jié)目。
對(duì)比總體各分類播放情況，top100各類占比基本保持不變。生活類的平均投幣和點(diǎn)贊量依然高于動(dòng)畫類。投幣、點(diǎn)贊、收藏最高的分區(qū)分別是：生活、影視、時(shí)尚。除了時(shí)尚區(qū)外，其他分區(qū)的收藏量均低于投幣和點(diǎn)贊，且時(shí)尚區(qū)的收藏量是遠(yuǎn)高其點(diǎn)贊和投幣量。
2 單一視頻分析
2.1 數(shù)據(jù)預(yù)處理
B站爬蟲代碼Demo
import requests,csv,time
import sys
from bs4 import BeautifulSoup as BS
'''獲取網(wǎng)頁(yè)內(nèi)容'''
def request_get_comment(url):
? ?headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)',
? ? ? ? ? ? ? 'Cookie': 'LIVE_BUVID=AUTO7215383727315695; stardustvideo=1; rpdid=kwxwwoiokwdoskqkmlspw; '
? ? ? ? ? ? ? ? ? ? ? ? 'fts=1540348439; sid=alz55zmj; CURRENT_FNVAL=16; _uuid=08E6859E-EB68-A6B3-5394-65272461BC6E49706infoc; '
? ? ? ? ? ? ? ? ? ? ? ? 'im_notify_type_64915445=0; UM_distinctid=1673553ca94c37-0491294d1a7e36-36664c08-144000-1673553ca956ac; '
? ? ? ? ? ? ? ? ? ? ? ? 'DedeUserID=64915445; DedeUserID__ckMd5=cc0f686b911c9f2d; SESSDATA=7af19f78%2C1545711896%2Cb812f4b1; '
? ? ? ? ? ? ? ? ? ? ? ? 'bili_jct=dc9a675a0d53e8761351d4fb763922d5; BANGUMI_SS_5852_REC=103088; '
? ? ? ? ? ? ? ? ? ? ? ? 'buvid3=AE1D37C0-553C-445A-9979-70927B6C493785514infoc; finger=edc6ecda; CURRENT_QUALITY=80; '
? ? ? ? ? ? ? ? ? ? ? ? 'bp_t_offset_64915445=199482032395569793; _dfcaptcha=44f6fd1eadc58f99515d2981faadba86'}
? ?response = requests.get(url=url,headers=headers)
? ?soup = BS(response.text.encode(response.encoding).decode('utf8'),'lxml')
? ?result = soup.find_all('d')
? ?if len(result) == 0:
? ? ? ?return result
? ?all_list = []
? ?for item in result:
? ? ? ?barrage_list = item.get('p').split(",")
? ? ? ?barrage_list.append(item.string)
? ? ? ?barrage_list[4] = time.ctime(eval(barrage_list[4]))
? ? ? ?all_list.append(barrage_list)
? ?return all_list
'''將秒轉(zhuǎn)化為固定格式："時(shí)：分：秒"'''
def sec_to_str(second):
? ?second = eval(second)
? ?m,s = divmod(second,60)
? ?h,m = divmod(m,60)
? ?dtEventTime = "%02d:%02d:%02d" % (h,m,s)
? ?return dtEventTime
'''主函數(shù)'''
def main():
? ?sys.setrecursionlimit(1000000)
? ?url_list = []
? ?cid_list = [16980576,16980597,16548432,16483358,16740879,17031320,
? ? ? ? ? 17599975,18226264,17894824,18231028,18491877,18780374]
? ?tableheader = ['彈幕出現(xiàn)時(shí)間', '彈幕格式', '彈幕字體', '彈幕顏色', '彈幕時(shí)間戳',
? ? ? ? ? ? ? ? ? ? ? ?'彈幕池','用戶ID','rowID','彈幕信息']
? ?'''最新彈幕文件'''
? ?for i in range(12):
? ? ? ?url = "https://comment.bilibili.com/%d.xml" % cid_list[i]
? ? ? ?url_list.append(url)
? ? ? ?file_name = "now{}.csv".format(i + 1)
? ? ? ?with open(file_name,'w',newline='',errors='ignore') as fd:
? ? ? ? ? ?comment = request_get_comment(url)
? ? ? ? ? ?writer = csv.writer(fd)
? ? ? ? ? ?# writer.writerow(tableheader)
? ? ? ? ? ?if comment:
? ? ? ? ? ? ? ?for row in comment:
? ? ? ? ? ? ? ? ? ?print(row)
? ? ? ? ? ? ? ? ? ?#writer.writerow(row)
? ? ? ? ? ?del comment
? ?'''按照集數(shù)，取出彈幕鏈接，進(jìn)行爬蟲，獲取彈幕記錄，并保存到csv文件'''
? ?for i in range(12):
? ? ? ?file_name = "d{}.csv".format(i+1)
? ? ? ?for j in range(1,13):
? ? ? ? ? ?for date in range(2):
? ? ? ? ? ? ? ?barrage_url = first_barrage_url.format(cid_list[i],"%02d" % j,"%02d" % (1 + date * 14))
? ? ? ? ? ? ? ?with open(file_name,'a',newline='',errors='ignore') as fd :
? ? ? ? ? ? ? ? ? ?writer = csv.writer(fd)
? ? ? ? ? ? ? ? ? ?writer.writerow(tableheader)
? ? ? ? ? ? ? ? ? ?final_list = request_get_comment(barrage_url)
? ? ? ? ? ? ? ? ? ?if final_list:
? ? ? ? ? ? ? ? ? ? ? ?for row in final_list:
? ? ? ? ? ? ? ? ? ? ? ? ? ?writer.writerow(row)
? ? ? ? ? ? ? ? ? ?del (final_list)
if __name__ == "__main__":
? ?main()
2.2 數(shù)據(jù)清洗
導(dǎo)入數(shù)據(jù)分析庫(kù)
#數(shù)據(jù)處理庫(kù)
import numpy as np
import pandas as pd
import glob
import re
import jieba
#可視化庫(kù)
import stylecloud
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from IPython.display import Image
#文本挖掘庫(kù)
from snownlp import SnowNLP
from gensim import corpora,models
合并彈幕數(shù)據(jù)
csv_list = glob.glob('/danmu/*.csv')
print('共發(fā)現(xiàn)%s個(gè)CSV文件'% len(csv_list))
print('正在處理............')
for i in csv_list:
? ?fr = open(i,'r').read()
? ?with open('danmu_all.csv','a') as f:
? ? ? ?f.write(fr)
print('合并完畢！')
重復(fù)值、缺失值等處理
#error_bad_lines參數(shù)可忽略異常行
df = pd.read_csv("./danmu_all.csv",header=None,error_bad_lines=False)
df = df.iloc[:,[1,2]] #選擇用戶名和彈幕內(nèi)容列
df = df.drop_duplicates() #刪除重復(fù)行
df = df.dropna() #刪除存在缺失值的行
df.columns = ["user","danmu"] #對(duì)字段進(jìn)行命名
清洗后數(shù)據(jù)如下所示：
數(shù)據(jù)去重
機(jī)械壓縮去重即數(shù)據(jù)句內(nèi)的去重，我們發(fā)現(xiàn)彈幕內(nèi)容存在例如"啊啊啊啊啊"這種數(shù)據(jù)，而實(shí)際做情感分析時(shí)，只需要一個(gè)“啊”即可。
#定義機(jī)械壓縮去重函數(shù)
def yasuo(st):
? ?for i in range(1,int(len(st)/2)+1):
? ? ? ?for j in range(len(st)):
? ? ? ? ? ?if st[j:j+i] == st[j+i:j+2*i]:
? ? ? ? ? ? ? ?k = j + i
? ? ? ? ? ? ? ?while st[k:k+i] == st[k+i:k+2*i] and k<len(st):
? ? ? ? ? ? ? ? ? ?k = k + i
? ? ? ? ? ? ? ?st = st[:j] + st[k:] ?
? ?return st
yasuo(st="啊啊啊啊啊啊啊")
應(yīng)用以上函數(shù)，對(duì)彈幕內(nèi)容進(jìn)行句內(nèi)去重。
df["danmu"] = df["danmu"].apply(yasuo)
特殊字符過(guò)濾
另外，我們還發(fā)現(xiàn)有些彈幕內(nèi)容包含表情包、特殊符號(hào)等，這些臟數(shù)據(jù)也會(huì)對(duì)情感分析產(chǎn)生一定影響。
特殊字符直接通過(guò)正則表達(dá)式過(guò)濾，匹配出中文內(nèi)容即可。
df['danmu'] = df['danmu'].str.extract(r"([\u4e00-\u9fa5]+)")
df = df.dropna() ?#純表情直接刪除
另外，過(guò)短的彈幕內(nèi)容一般很難看出情感傾向，可以將其一并過(guò)濾。
df = df[df["danmu"].apply(len)>=4]
df = df.dropna()
2.3 數(shù)據(jù)可視化
數(shù)據(jù)可視化分析部分代碼本公眾號(hào)往期原創(chuàng)文章已多次提及，本文不做贅述。從可視化圖表來(lái)看，網(wǎng)友對(duì)《沉默的真相》還是相當(dāng)認(rèn)可的，尤其對(duì)白宇塑造的正義形象江陽(yáng)，提及頻率遠(yuǎn)高于其他角色。
整體彈幕詞云
主演提及
3 文本挖掘（NLP）
3.1 情感分析
情感分析是對(duì)帶有感情色彩的主觀性文本進(jìn)行分析、處理、歸納和推理的過(guò)程。按照處理文本的類別不同，可分為基于新聞評(píng)論的情感分析和基于產(chǎn)品評(píng)論的情感分析。其中，前者多用于輿情監(jiān)控和信息預(yù)測(cè)，后者可幫助用戶了解某一產(chǎn)品在大眾心目中的口碑。目前常見的情感極性分析方法主要是兩種：基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法。
本文主要運(yùn)用Python的第三方庫(kù)SnowNLP對(duì)彈幕內(nèi)容進(jìn)行情感分析，使用方法很簡(jiǎn)單，計(jì)算出的情感score表示語(yǔ)義積極的概率，越接近0情感表現(xiàn)越消極，越接近1情感表現(xiàn)越積極。
df['score'] = df["danmu"].apply(lambda x:SnowNLP(x).sentiments)
df.sample(10) #隨機(jī)篩選10個(gè)彈幕樣本數(shù)據(jù)
整體情感傾向
plt.rcParams['font.sans-serif'] = ['SimHei'] ?# 設(shè)置加載的字體名
plt.rcParams['axes.unicode_minus'] = False ?# 解決保存圖像是負(fù)號(hào)'-'顯示為方塊的問(wèn)題
plt.figure(figsize=(12, 6)) #設(shè)置畫布大小
rate = df['score']
ax = sns.distplot(rate,
? ? ? ? ? ?hist_kws={'color':'green','label':'直方圖'},
? ? ? ? ? ?kde_kws={'color':'red','label':'密度曲線'},
? ? ? ? ? ?bins=20) #參數(shù)color樣式為salmon，bins參數(shù)設(shè)定數(shù)據(jù)片段的數(shù)量
ax.set_title("彈幕整體情感傾向 ?繪圖：「菜J學(xué)Python」公眾號(hào)")
plt.show
觀眾對(duì)主演的情感傾向
mapping = {'jiangyang':'白宇|江陽(yáng)', 'yanliang':'廖凡|嚴(yán)良', 'zhangchao':'寧理|張超','lijing':'譚卓|李靜', 'wengmeixiang':'李嘉欣|翁美香'}
for key, value in mapping.items():
? ?df[key] = df['danmu'].str.contains(value)
average_value = pd.Series({key: df.loc[df[key], 'score'].mean() for key in mapping.keys()})
print(average_value.sort_values())
由各主要角色情感得分均值可知，觀眾對(duì)他們都表現(xiàn)出積極的情感。翁美香和李靜的情感得分均值相對(duì)高一些，難道是男性觀眾偏多？江陽(yáng)的情感傾向相對(duì)較低，可能是觀眾對(duì)作為正義化身的他慘遭各種不公而鳴不平吧。
主題分析
這里的主題分析主要是將彈幕情感得分劃分為兩類，分別為積極類（得分在0.8以上）和消極類（得分在0.3以下），然后再在各類里分別細(xì)分出5個(gè)主題，有助于挖掘出觀眾情感產(chǎn)生的原因。
首先，篩選出兩大類分別進(jìn)行分詞。
#分詞
data1 = df['danmu'][df["score"]>=0.8]
data2 = df['danmu'][df["score"]<0.3]
word_cut = lambda x:' '.join(jieba.cut(x)) #以空格隔開
data1 = data1.apply(word_cut)
data2 = data2.apply(word_cut)
print(data1)
print('----------------------')
print(data2)
123456789
首先，篩選出兩大類分別進(jìn)行分詞。
#去除停用詞
stop = pd.read_csv("/菜J學(xué)Python/stop_words.txt",encoding='utf-8',header=None,sep='tipdm')
stop = [' ',''] + list(stop[0])
#print(stop)
pos = pd.DataFrame(data1)
neg = pd.DataFrame(data2)
pos["danmu_1"] = pos["danmu"].apply(lambda s:s.split(' '))
pos["danmu_pos"] = pos["danmu_1"].apply(lambda x:[i for i in x if i.encode('utf-8') not in stop])
#print(pos["danmu_pos"])
neg["danmu_1"] = neg["danmu"].apply(lambda s:s.split(' '))
neg["danmu_neg"] = neg["danmu_1"].apply(lambda x:[i for i in x if i.encode('utf-8') not in stop])
其次，對(duì)積極類彈幕進(jìn)行主題分析。
#正面主題分析
pos_dict = corpora.Dictionary(pos["danmu_pos"]) #建立詞典
#print(pos_dict)
pos_corpus = [pos_dict.doc2bow(i) for i in pos["danmu_pos"]] #建立語(yǔ)料庫(kù)
pos_lda = models.LdaModel(pos_corpus,num_topics=5,id2word=pos_dict) #LDA模型訓(xùn)練
print("正面主題分析：")
for i in range(5):
? ?print('topic',i+1)
? ?print(pos_lda.print_topic(i)) #輸出每個(gè)主題
? ?print('-'*50)
結(jié)果如下：
最后，對(duì)消極類彈幕進(jìn)行主題分析。
#負(fù)面主題分析
neg_dict = corpora.Dictionary(neg["danmu_neg"]) #建立詞典
#print(neg_dict)
neg_corpus = [neg_dict.doc2bow(i) for i in neg["danmu_neg"]] #建立語(yǔ)料庫(kù)
neg_lda = models.LdaModel(neg_corpus,num_topics=5,id2word=neg_dict) #LDA模型訓(xùn)練
print("負(fù)面面主題分析：")
for j in range(5):
? ?print('topic',j+1)
? ?print(neg_lda.print_topic(j)) #輸出每個(gè)主題
? ?print('-'*50)
結(jié)果如下：
畢設(shè)幫助，選題指導(dǎo)，技術(shù)解答，歡迎打擾，見B站個(gè)人主頁(yè)
https://space.bilibili.com/33886978
