Ανάλυση Twitter Sentiment With Raspberry Pi: 3 βήματα (με εικόνες)

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:37

Τι είναι η ανάλυση συναισθημάτων και γιατί πρέπει να σας ενδιαφέρει;

Η ανάλυση συναισθημάτων είναι η διαδικασία προσδιορισμού του συναισθηματικού τόνου πίσω από μια σειρά λέξεων, που χρησιμοποιείται για την κατανόηση των στάσεων, των απόψεων και των συναισθημάτων που εκφράζονται σε μια διαδικτυακή αναφορά. Η ανάλυση συναισθημάτων είναι εξαιρετικά χρήσιμη στην παρακολούθηση των μέσων κοινωνικής δικτύωσης καθώς μας επιτρέπει να αποκτήσουμε μια επισκόπηση της ευρύτερης κοινής γνώμης πίσω από ορισμένα θέματα. Οι εφαρμογές είναι ευρείες και ισχυρές. Η ικανότητα εξαγωγής πληροφοριών από κοινωνικά δεδομένα είναι μια πρακτική που υιοθετείται ευρέως από οργανισμούς σε όλο τον κόσμο. Διασκεδαστικό γεγονός: Η κυβέρνηση Ομπάμα χρησιμοποίησε την ανάλυση συναισθημάτων για να μετρήσει την κοινή γνώμη σε πολιτικές ανακοινώσεις και μηνύματα προεκλογικής εκστρατείας πριν από τις προεδρικές εκλογές του 2012.

Βήμα 1: Καλωδίωση

Για αυτό το έργο θα χρειαστείτε:

• Raspberry Pi (στην περίπτωσή μας: Raspberry Pi 3 Model B)
• 3 δίοδοι LED (πράσινες, κίτρινες και κόκκινες) για την αναπαράσταση της διάθεσης, υπολογισμένες από την ανάλυση συναισθημάτων
• 3 αντιστάσεις (στην περίπτωσή μας 330 Ohm) για προστασία των καρφιτσών GPIO
• καλώδια ή θηλυκό καλώδιο (στην περίπτωσή μας 40 ακίδων)

Τώρα, πρέπει να συνδέσετε τις διόδους led στους συγκεκριμένους ακροδέκτες GPIO στο Raspberry Pi (μπορείτε να επιλέξετε άλλες καρφίτσες, αλλά θα πρέπει να επαναδιαμορφώσετε τον κώδικα στη συνέχεια). Βεβαιωθείτε ότι το Raspberry Pi είναι απενεργοποιημένο. Στη συνέχεια, συνδέστε τις αντιστάσεις στις ανόδους των διόδων LED. Μετά από αυτό, θα πρέπει να συνδέσετε την πράσινη δίοδο στον πείρο 21, την κίτρινη στον πείρο 24 και την κόκκινη στον πείρο 15. Όλες οι κάθοδοι πρέπει να συνδεθούν με τις ακίδες γείωσης. Τώρα είστε έτοιμοι να προχωρήσετε στο επόμενο βήμα!

Βήμα 2: Εισαγάγετε τα πακέτα

Θα χρειαστείτε μερικά πακέτα για να λειτουργήσει ο κώδικας.

• Tweepy: βιβλιοθήκη python για το επίσημο API Twitter. pip3 εγκατάσταση tweepy
• TextBlob: βιβλιοθήκη python για επεξεργασία δεδομένων κειμένου. pip3 εγκατάσταση textblob
• Μαξιλάρι: βιβλιοθήκη python για τη διεπαφή χρήστη. μαξιλάρι εγκατάστασης pip3

Τα ακόλουθα πακέτα συνήθως συνοδεύονται από python3, αλλά σε περίπτωση που εμφανιστεί σφάλμα μεταγλώττισης, απλώς εγκαταστήστε τα χρησιμοποιώντας την εντολή pip3:

• Στατιστικά: βιβλιοθήκη python για στατιστικά.
• Matplotlib: βιβλιοθήκη python για απεικόνιση γραφικών δεδομένων.
• Tkinter: βιβλιοθήκη python για τη διεπαφή χρήστη.
• RPi. GPIO: βιβλιοθήκη python που είναι διαθέσιμη μόνο σε ένα RaspberryPi (αλλά, το κάνουμε αυτό αποκλειστικά για ένα RasberryPi), που διαχειρίζεται τις καρφίτσες GPIO.

ΣΗΜΕΙΩΣΗ: Για να το δοκιμάσετε στην επιφάνεια εργασίας: απλώς σχολιάστε το 'import led_manager.py' στο σενάριο main.py.

Βήμα 3: Εφαρμογή

Τοποθετήστε τα ακόλουθα σενάρια σε έναν κατάλογο στο RaspberryPi:

• main.py - Το σημείο εισόδου για την εφαρμογή. (εκτελέστε αυτό το σενάριο στην κονσόλα).
• sentiment_analysis.py - Σενάριο που συνδέεται με το API του Twitter, επεξεργάζεται τα δεδομένα και παράγει αποτελέσματα.
• pie.py - Σενάριο που δημιουργεί μια γραφική αναπαράσταση των αποτελεσμάτων.
• led_manager.py - Σενάριο που χειρίζεται τις διόδους στο RaspberryPi.

Συνεισφέροντες: Zafir Stojanovski (151015) & Filip Spasovski (151049)

Κωδικός: