Analyse des sentiments sur Twitter en Python

Question

Je suis à la recherche d'une implémentation open source, de préférence en python, de Analyse du sentiment textuel ( http://en.wikipedia.org/wiki/Sentiment_analysis ). Quelqu'un connaît-il une telle implémentation open source que je pourrais utiliser ?

J'écris une application qui recherche sur twitter un terme de recherche, disons "youtube", et compte les tweets "heureux" par rapport aux tweets "tristes". J'utilise l'appengine de Google, donc c'est en python. J'aimerais pouvoir classer les résultats de recherche renvoyés par Twitter et j'aimerais le faire en python. Je n'ai pas été en mesure de trouver un tel analyseur de sentiments jusqu'à présent, et surtout pas en python. Connaissez-vous une telle implémentation open source que je pourrais utiliser ? De préférence, c'est déjà en python, mais si non, j'espère pouvoir le traduire en python.

Notez que les textes que j'analyse sont TRES courts, ce sont des tweets. Donc idéalement, ce classifieur est optimisé pour des textes aussi courts.

BTW, twitter supporte les opérateurs " :)" et " :(" dans la recherche, qui visent à faire exactement cela, mais malheureusement, la classification fournie par eux n'est pas si grande, donc j'ai pensé que je pourrais essayer moi-même.

Gracias.

BTW, une première démo est aquí et le code que j'ai jusqu'à présent est aquí et je serais ravi de l'ouvrir à tout développeur intéressé.

Answer 1

Il existe une API Twitter Sentiment de TweetFeel qui effectue une analyse linguistique avancée des tweets et peut récupérer les tweets positifs/négatifs. Voir http://www.webservius.com/corp/docs/tweetfeel_sentiment.htm

Answer 2

Pour ceux qui souhaitent coder Twitter Sentiment Analyis à partir de zéro, il existe un cours sur Coursera intitulé " Science des données "avec du code python sur GitHub (dans le cadre de la mission 1). enlace ). Ces sentiments font partie de la AFINN-111 .

Vous pouvez trouver des solutions pratiques, par exemple aquí . En plus de la liste de sentiments AFINN-111, il existe une mise en œuvre simple de la construction d'une liste dynamique de termes basée sur la fréquence des termes dans les tweets qui ont un score pos/neg (cf. aquí ).