关于舆情分析的例子分析，希望帮你带来一些帮助。

前言

距离今天文本挖掘小文章时间尚未过了3个月了，北京将要入冬，有人说北京的冬天很凉，但是喝上火锅最暖；也有人说北京的冬天雾霾严重，太干。这两句表达的是对北京冬天的情感，即有正面也有负面。

如果在舆情分析而言，我们在做营销探讨，分析产品、活动优劣，或者期望维护品牌PR，我们就必须对于消费者网络发声去探讨心灵，来帮助我们维护品牌，改善活动产品，来超过测量舆情分析效果。换句话说也就是我们现在分享的主题—sentiment

笔者5年前做舆情分析之后一般来说就是人工舆情，并没有加入高级点的预测工具削减人工投入。随着R，python等的流行，同时，随着诸多开源包tm，LDA，Rwordseg开发，以及高等概率数学的应用，例如分词算法依据隐性马尔科夫链算法编写而成（有兴趣的老师自己研究），让我们之前的工作量大大减少。因此人工舆情转换成人工纠正舆情大势所趋，即我们使用软件提高读帖子的时间，并且使机器学习，人工后期纠错。

一般而言，舆情分析报告分为以下几个步骤：

前两个可以成为统计预测-统计时间趋势音量情感文本，音量份额，后两个可以成为模型预测-主题探讨，情感判别。

这里有个小插曲：上次分享的是主题探讨，笔者最近又再次梳理了下LDA，发现tm包中文分词形成词频矩阵太不理想，这会导致LDA无法应用，因此，后续笔者会自己写个类库将词频矩阵实现，这样会便于LDA，会方便聚类分析，以及推测分析。

言回正传，情感分析就是表达发言人对一个主题的见解，有好有坏，或者中立。情感分析应用分类两类，第一是给定正负面词，算分值，高于甚至超过baseline则表示正面、负面心态。第二，根据深度学习，利用神经网络来区别正负情感。本文先实现第一类情感分析。

本次还是以上次文本为输入项，将content_Full 内容做文本处理

清理原则：

比如英文常规字符，‘的’‘地’‘得’‘我’等

由于本文是医用术语，需要添加的词义偏重医用或者品牌，不让分词拆成单个字符

例如：妈富隆，调经

文本处理后，根据词频出现频次，且过滤掉分词为单个词的英文，绘制词云图，鼠标所过的词可以显示文本发生数量，例如避孕药：767次

正面词记1；负面词为-1，便于以后算分值划定情感

将文本中的时态按照中英文词典的正负面词打分情感文本，计算分值，若中性词（不出现字典）则记为0。

分值计算原理

情感分值=∑i=1（正面+中性）*（-1）t

i 表示第i句话；t表示发生负面词的次数

正面发声分类结果：

负面发声结果

将词频矩阵脚本改写，重现LDA 或者 聚类对文本先人工预测，将此打分进行 confusion matrix，评估分类器目测而言负面分类基本正确，正面分类中包括这些中性发声，需要进一步剔除研究深度学习重现下情感分析

文本挖掘小探索：避孕药内容主题探讨

作者：冯大福，微信公众号：说说数据预测那些事儿

本文由 @shangyuan 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自unsplash，基于CC0协议