पायथन प्रोग्राम का उपयोग करते हुए ट्विटर सेंटीमेंट विश्लेषण

इस लेख में, हम ट्विटर के भावनात्मक विश्लेषण के बारे में जानेंगे। हम ट्विटर ओएथ एपीआई के लिए पंजीकरण करेंगे, सभी निर्भरताओं को स्थापित करेंगे और अंत में हमारी भावनात्मक विश्लेषक स्क्रिप्ट लिखेंगे।

एक API (एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस) एक गेटवे है जो आपको कुछ सर्वर (ट्विटर) आंतरिक कार्यक्षमता तक पहुंचने की अनुमति देता है।

शर्त यह है कि हमारे पास सत्यापित फ़ोन नंबर के साथ एक ट्विटर खाता स्थापित है।

इसके बाद हम twitters की वेबसाइट पर जाते हैं और create a new ऐप आइकन पर टैप करते हैं। अब हम सभी क्रेडेंशियल्स यानी नाम भरते हैं और डेवलपर समझौते को स्वीकार करते हैं और अंत में क्रिएट पर क्लिक करते हैं।

अब हमारा ऐप बन गया है, टॉप मेन्यू पर हम कीज़ टैब पर क्लिक करेंगे। यहां हम अपने oAuth सत्यापन विवरण और सभी टोकन प्राप्त करेंगे।

आइए अब सभी निर्भरताएं . स्थापित करें -

<मजबूत>1. ट्वीपी मॉड्यूल

>>> pip install tweepy

<मजबूत>2. टेक्स्टब्लॉब मॉड्यूल

>>> pip install textblob

टेक्स्टब्लॉब क्या है?

यह भावना विश्लेषण में उपयोग किया जाने वाला एक मॉड्यूल है। इसमें -1 से 1 के पैमाने पर भावनाओं की गणना करने के लिए एक अंतर्निहित विधि शामिल है।

"token.sentiment.polarity"

सबसे पहले हमें शुरू में बनाई गई ट्विटर एप्लिकेशन वेबसाइट से सभी एक्सेस टोकननाइज़र की आवश्यकता है -

#Twitter credentials for the app interface
consumer_key = 'xxxxx'
consumer_secret = 'xxxx'
access_key= 'xxxx'
access_secret = 'xxxx'

नहीं, हमें स्क्रिप्ट के माध्यम से क्रेडेंशियल प्रमाणित करने की आवश्यकता है। उसके लिए, हम एक प्रमाणीकरण चर . बनाते हैं प्रमाणीकरण।

auth = tweepy.OauthHandler(consumer_key,consumer_secret)

अब हम प्रमाणीकरण चर की मदद से एक्सेस टोकन सेट करते हैं

auth.set_access_token(access_token,access_token_secret)

अब हम अपने कार्यों को करने के लिए एक एपीआई वैरिएबल बनाते हैं

api = tweepy.API(auth)

हमें सार्वजनिक ट्वीट्स को खोज पद्धति के माध्यम से प्राप्त करने और एक सूची के रूप में संग्रहीत करने की आवश्यकता है।

public_tweet = api.search('Tutorialspoint')
for tweet in public_tweet:
   print(tweet.text)
   analysis = TextBlob(tweet.text)
   print(analysis)

आउटपुट में, हम चीज़ यानी ध्रुवता और व्यक्तिपरकता का निरीक्षण करते हैं।

ध्रुवीयता मापता है कि कोई पाठ कितना सकारात्मक या नकारात्मक है।

विषयपरकता पाठ को मापता है कि तथ्यात्मक की तुलना में इसे कितना माना जाता है।

निष्कर्ष

इस भावना विश्लेषक की मदद से, हम डेटा से मानवीय भावनाओं को समझने और निकालने में सक्षम हैं।