Membuat Aplikasi Analisis Sentimen Menggunakan Node.js

3 link

3 3 3 3 3 {{= score}} 3 3 Comparative {{= comparative}} 3 3 3 {{= favorited}} 3 3 retweeted 3 3 kata -kata yang dipadankan {{= wordsmatched}} 3 3 Kata -kata positif {{= POSICALWORDS}} 3 3 Kata -kata negatif 3 3 3 3 3 > 3 3 di sini, kami merujuk jQuery dan app.js. Kami juga telah membuat templat (tweet_tmpl), yang akan digunakan untuk menunjukkan hasilnya. Akhirnya, buka stylesheets/style.css dan tambahkan kelas berikut. itu, kita selesai dengan pembangunan kita. Marilah kita menjalankan aplikasi dan mengujinya. Kembali ke terminal, jalankan perintah Gulp untuk memulakan pelayan. Navigasi ke http: // localhost: 3000/dan anda harus melihat bar carian. Masukkan "ini hebat" dan tekan kembali dan anda harus melihat sesuatu seperti ini: di sini, skor adalah jumlah skor untuk setiap perkataan yang hadir dalam tweet yang sepadan dengan sumber AFINN. Perbandingan adalah sama dengan skor/jumlah perkataan. Kata -kata yang dipadankan menunjukkan berapa banyak perkataan dari tweet yang dipadankan dengan kata -kata AFINN semasa diproses. Kata -kata positif adalah kata -kata positif yang dipadankan dan kata -kata negatif adalah kata -kata negatif yang dipadankan. Data ini harus memberi anda maklumat yang cukup untuk membuat keputusan dan memahami sentimen. Kosongkan bar carian dan masukkan pulangan yang rosak dan tekan. Hasil anda harus kelihatan seperti ini: mudah dan mudah kan? Sekarang anda boleh mencari beberapa perkataan dan melihat bagaimana hasilnya berubah. Latihan data anda anda mesti perasan sekarang bahawa tidak semua hasil pulangan tweet. Ini kerana, jika tidak ada kata -kata dalam tweet yang sepadan dengan kata -kata Afinn, skornya akan menjadi 0. Sebagai contoh: Jika anda ingin membetulkannya, anda boleh melatih modul sentimen. Buat fail baru di dalam folder logik bernama Training.js dan tambahkan kod berikut. di sini, kami sedang melatih modul untuk menggunakan skor di atas untuk kata -kata yang disebutkan. Seterusnya, kemas kini logik/sentimenalysis.js Seperti ini: Selepas latihan, hasilnya akan kelihatan seperti ini: Ini adalah teknik yang sangat kuat, jadi pastikan anda memberikan nilai yang tepat kepada kata kunci, jika tidak, anda mungkin melihat hasil yang mungkin tidak masuk akal. Rujuk AFINN untuk maklumat lanjut.

Membuat perkhidmatan RESTful

Anda boleh membina papan pemuka masa nyata yang akan menunjukkan tweet dan hasilnya. Anda boleh menjalankan pekerjaan async, yang akan memukul API Twitter dari semasa ke semasa, mengambil data, dan menyimpannya menggunakan DiskDB. Kemudian, anda boleh mendedahkan fail ini sebagai titik akhir yang tenang. Tambahkan kod berikut ke laluan/index.js.

<span>body {
</span>  <span>padding: 50px;
</span>  <span>font: 14px"Lucida Grande", Helvetica, Arial, sans-serif;
</span>  <span>background: #eee;
</span><span>}
</span><span>a {
</span>  <span>color: #00B7FF;
</span><span>}
</span><span>input {
</span>  <span>width: 98%;
</span>  <span>padding: 9px;
</span>  <span>font-size: 17px;
</span><span>}
</span><span><span>.results</span> {
</span>  <span>display: none;
</span><span>}
</span><span><span>.error</span> {
</span>  <span>color: red;
</span>  <span>display: none;
</span><span>}
</span><span><span>.tweet-results</span> {
</span>  <span>width: 100%;
</span>  <span>overflow: hidden;
</span>  <span>padding-right: 18px;
</span><span>}
</span><span><span>.left</span> {
</span>  <span>float: left;
</span>  <span>width: 39%;
</span><span>}
</span><span><span>.right</span> {
</span>  <span>float: right;
</span>  <span>width: 55%;
</span>  <span>border-left: 1px dashed;
</span>  <span>padding-left: 21px;
</span><span>}
</span><span>article {
</span>  <span>background: #fff;
</span>  <span>display: block;
</span>  <span>padding: 18px;
</span>  <span>border: 1px solid #eee;
</span>  <span>margin-top: 21px;
</span>  <span>margin-bottom: 21px;
</span>  <span>overflow: hidden;
</span>  <span>box-shadow: 6px 4px 9px 1px <span>rgba(119, 119, 119, 0.75)</span>;
</span>  <span>-moz-box-shadow: 6px 4px 9px 1px <span>rgba(119, 119, 119, 0.75)</span>;
</span>  <span>-webkit-box-shadow: 6px 4px 9px 1px <span>rgba(119, 119, 119, 0.75)</span>;
</span><span>}
</span><span>article img {
</span>  <span>width: 64px;
</span>  <span>float: left;
</span>  <span>margin:0 5px 0 0;
</span><span>}
</span><span><span>.right table</span> {
</span>  <span>width: 100%;
</span><span>}
</span><span><span>.right table, .right table td</span> {
</span>  <span>border: 1px solid;
</span><span>}
</span><span><span>.right table td</span> {
</span>  <span>width: 50%;
</span><span>}</span>

Sekarang, apabila anda mengakses http: // localhost: 3000/data, anda dapat melihat data lengkap yang disimpan setakat ini. Contoh langsung tersedia di sini.

Mengintegrasikan media sosial

Sama seperti Twitter, anda boleh mengintegrasikan Facebook, Google, dan data media sosial yang lain. Apa yang perlu anda lakukan ialah lulus teks yang anda ingin menganalisis kepada logik/sentimenalysis.js, dan anda dapat melihat skor untuk itu.

Kesimpulan

Saya harap anda mendapat idea asas tentang cara melakukan analisis sentimen menggunakan aplikasi ini. Terima kasih kerana membaca! Lakukan komen, sila.

Soalan Lazim (Soalan Lazim) untuk membuat aplikasi analisis sentimen menggunakan node.js

Apakah analisis sentimen dan mengapa analisis sentimen yang penting? Sentimen yang dinyatakan dalam pelbagai bentuk data teks. Ia penting kerana ia membolehkan perniagaan memahami sentimen sosial jenama, produk, atau perkhidmatan mereka semasa memantau perbualan dalam talian. Ia juga boleh digunakan untuk mengesan polariti (positif, negatif, neutral) dalam ulasan pelanggan, media sosial, forum perbincangan dan banyak lagi, yang dapat memberikan pandangan yang berharga untuk membuat keputusan. .js?

Dalam node.js, analisis sentimen boleh dilakukan menggunakan pelbagai perpustakaan NLP seperti 'sentimen' dan 'semula jadi'. Perpustakaan ini menggunakan teknik yang dipanggil 'beg perkataan' di mana teks itu dipecah menjadi kata -kata individu. Setiap perkataan diberikan skor yang menunjukkan sama ada positif, negatif, atau neutral. Sentimen keseluruhan teks ditentukan dengan menjumlahkan skor semua perkataan.

Bagaimana saya boleh memasang perpustakaan 'sentimen' di node.js?

Anda boleh memasang 'sentimen' Perpustakaan di Node.js menggunakan NPM (Pengurus Pakej Node). Buka terminal anda dan taipkan arahan berikut: NPM memasang sentimen. Ini akan memuat turun dan memasang perpustakaan 'Sentimen' dalam projek Node.js anda.

Bagaimana saya boleh menggunakan perpustakaan 'Sentimen' untuk menganalisis teks dalam node.js?

Selepas memasang ' Sentimen 'Perpustakaan, anda boleh menggunakannya dalam aplikasi Node.js anda dengan menghendaki di bahagian atas fail anda: const sentimen = memerlukan (' sentimen ');. Kemudian, buat contoh sentimen baru: const sentimen = sentimen baru ();. Sekarang, anda boleh menganalisis sebarang teks dengan memanggil kaedah analisis pada contoh sentimen: const result = sentimen.analyze ('teks anda di sini') ;.

Apakah struktur objek hasil yang dikembalikan oleh kaedah 'menganalisis'? Harta 'skor' menunjukkan sentimen keseluruhan teks (nilai positif untuk sentimen positif, nilai negatif untuk sentimen negatif, dan sifar untuk sentimen neutral). Harta 'perbandingan' adalah skor sentimen purata setiap perkataan dalam teks. Harta 'pengiraan' adalah pelbagai perkataan dalam teks dan skor individu. Kata -kata khusus dengan meluluskan objek pilihan apabila membuat contoh sentimen baru. Objek Opsyen harus mempunyai harta 'tambahan' yang merupakan objek kata -kata dan skor yang sepadan. JS secara automatik mengendalikan negasi. Sekiranya perkataan penolakan (seperti 'tidak') mendahului perkataan, skor sentimen perkataan itu dibalikkan. Perpustakaan 'Sentimen' menyokong pelbagai bahasa. Anda boleh menentukan bahasa dengan meluluskan objek pilihan apabila membuat contoh sentimen baru. Objek Pilihan harus mempunyai harta 'bahasa' yang merupakan kod bahasa ISO 639-1. .js secara automatik mengendalikan emojis. Setiap emoji mempunyai skor sentimen yang telah ditetapkan di perpustakaan.

Bolehkah saya menggunakan perpustakaan NLP yang lain untuk analisis sentimen dalam node.js? seperti 'semulajadi', 'franc-min', 'kompromi', dan 'nlp.js'. Perpustakaan ini menawarkan pelbagai fungsi NLP termasuk analisis sentimen.

Atas ialah kandungan terperinci Membuat Aplikasi Analisis Sentimen Menggunakan Node.js. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!