Discussion :

[nguyen0000]

Bonjour à tous,

Je suis entrain de faire de l'analyse des données de Twitter.

J'ai à ma disposition un dataframe contenant plusieurs colonne( text, id, screenname, retweetcount, ...).
Tout d'abord, j'ai un problème de données , sûrement un problème d'encodage : dans mon dataframe, plus précisément dans la colonne text, j'ai des caractères à . Je pense que c'est un problème depuis l'extraction.

Puis, pour analyser le sentiment d'un tweet, j'ai utilisé les packages

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
library(sentimentr)
library(SentimentAnalysis)
library(RSentiment)

et la fonction calculate_sentiment pour savoir si un tweet est positive, negative ou neutral. Maintenant j'aimerais appliquer cette fonction à mon dataframe donc à la colonne [text] et stocker le résultat de chaque tweet quelque part ( par exemple dans une nouvelle colonne). J'ai essayé la fonction ddply mais je n'ai pas réussi à l'utiliser.

Pourriez - vous m'aider à résoudre ces 2 problèmes ? Je suis débutant.

Je vous remercie d'avance !

[mgdondon]

Bonjour,

• Pour le problème d'encodage, vous pouvez tester l'import avec différents encodages, par exemple avec le paramètre encoding de la fonction read.csv().

• La fonction calculate_sentiment() produit un dataframe :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
> df <- data.frame(id=c(1,2),
+                  text=c("This is good","This is bad"))
> library(RSentiment)
> str(calculate_sentiment(df$text))
'data.frame':   2 obs. of  2 variables:
 $ text     : Factor w/ 2 levels "This is bad",..: 2 1
 $ sentiment: Factor w/ 2 levels "Negative","Positive": 2 1

Vous pouvez donc merger le résultat avec votre dataframe :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
> df <- merge(df,calculate_sentiment(df$text),by="text")
> df
          text id sentiment
1  This is bad  2  Negative
2 This is good  1  Positive

Cordialement,

NB : 2 discussions récentes sur l'analyse de sentiments sur Twitter ici et là.

[nguyen0000]

merci pour votre réponse

Pourriez vous expliciter pour la fonction read.csv ? je n'ai pas importé de données donc pourquoi je devrais utiliser cette fonction ?

[mgdondon]

Bonjour,

Vous ne dites pas comment vous importez les données dans R. La fonction read.csv() permet d'importer le contenu d'un fichier csv. Voir help(read.csv).

Cordialement,

[nguyen0000]

C'est vrai que j'aurai du préciser, excusez-moi.
en fait, le dataframe que j'ai provient de quelques instructions sur R.
tweets <- searchTwitter("Macron", n = 4000, resultType = "recent" ,lang="fr") pour extraire
tweets_df <- twListToDF(tweets) pour mettre des données en dataframe.
C'est dans ce dataframe que j'ai des caractères bizarre et un problème d'encodage.

[mgdondon]

Bonjour,

Vous pouvez essayer de définir l'encodage avec l'instruction options(encoding="UTF8"). Test sur le lexique français de sentiments et d’émotions FEEL :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
> options(encoding="native.enc") # option par défaut
> feel <- read.csv2("D:/temp/feel.csv")
> head(feel)
  id              word polarity joy fear sadness anger surprise disgust
1  1 Ã* ce endroit lÃ* positive   0    0       0     0        0       0
2  2       Ã* le hâte negative   0    1       0     0        1       0
3  3           Ã* part negative   0    0       1     0        0       0
4  4            Ã* pic negative   0    1       0     0        0       0
5  5       Ã* rallonge negative   0    0       1     0        0       0
6  6        abasourdir negative   0    0       0     0        1       0

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
> options(encoding="UTF8")
> feel <- read.csv2("D:/temp/feel.csv")
> head(feel)
  id            word polarity joy fear sadness anger surprise disgust
1  1 à ce endroit là positive   0    0       0     0        0       0
2  2       à le hâte negative   0    1       0     0        1       0
3  3          à part negative   0    0       1     0        0       0
4  4           à pic negative   0    1       0     0        0       0
5  5      à rallonge negative   0    0       1     0        0       0
6  6      abasourdir negative   0    0       0     0        1       0

Voir aussi deux articles sur l'analyse de sentiments en français :

• ADVANSE : Analyse du sentiment, de l’opinion et de l’émotion sur des Tweets Français
• FEEL: a French Expanded Emotion Lexicon

Cordialement,

[nguyen0000]

merci.
j'ai réussi à débloquer le problème d'encodage. j'aperçois que mes données de mon dataframe sont incomplètes.
Dans la colonne text de mon dataframe, le contenu du tweet est incomplet et la fin se termine par ... . Je suppose qu'il y a une taille maximum pour cela. Est ce que vous sauriez comment je pourrai faire résoudre ce problème ?