はじめに
Vtuberはポジティブな人が多いのでしょうか？ネガティブな人が多いのでしょうか。
今回はVtuberのツイートを感情分析し、ポジティブ度を測ってみました。
結果として、名取さなはポジティブであるということがわかりました。
[('Neutral', 31), ('Positive', 12), ('Negative', 7)]
1.7142857142857142
ちょっとポジティブです
他にも、DWUやマシーナリーとも子のツイートも分析しました。
使用するもの
COTOHA APIの紹介
今回はCOTOHA APIで感情分析を行っていきます。
COTOHA APIはNTTコミュニケーションズが開発しているAPIで、40年間の日本語技術の研究成果を使用しています。
テキストを送るだけでめんどくさい感情分析が簡単にできます。
今回使用した感情分析APIのほかにも、構文解析やキーワード抽出APIなどがあります。
ポジティブ度を測るまでのながれ
- twitterのAPIキーを取得する
- COTOHA APIのAPIキーを取得する
- tweepyで対象ユーザーのツイートを取得する
- ツイートのクレンジングを行う
- COTOHA APIで感情分析を行う
- ポジティブなツイートとネガティブなツイートの割合でポジティブ度を判定する
ポジティブ度とネガティブ度の判定
基本的な方針としては、まず50件ほど感情分析を行います。
50件の中で、ポジティブなツイートがネガティブなツイートより多ければポジティブとし、
逆であればネガティブと判定するようにします。
あとは感覚値でかなりポジティブ、ちょっとポジティブとかを振り分けるようにしました。
実装
今回は実装をgoogle colaboratoryで行いました。
詳細な実装はこちらでご確認ください。
twitterのAPIキーと、COTOHA APIのAPIキーを書き換えれば、好きなユーザーのポジティブ度をはかることができます。
BASE_URL = "https://api.ce-cotoha.com/api/dev/nlp/"
CLIENT_ID = "hogehoge"
CLIENT_SECRET = "hogehoge"
def auth(client_id, client_secret):
token_url = "https://api.ce-cotoha.com/v1/oauth/accesstokens"
headers = {
"Content-Type": "application/json",
"charset": "UTF-8"
}
data = {
"grantType": "client_credentials",
"clientId": client_id,
"clientSecret": client_secret
}
r = requests.post(token_url,
headers=headers,
data=json.dumps(data))
return r.json()["access_token"]
def sentiment(sentence, access_token):
base_url = BASE_URL
headers = {
"Content-Type": "application/json",
"charset": "UTF-8",
"Authorization": "Bearer {}".format(access_token)
}
data = {
"sentence": sentence,
"type": "kuzure"
}
r = requests.post(base_url + "v1/sentiment",
headers=headers,
data=json.dumps(data))
return r
def cleansing_tweet(tweet):
clean_tweets = []
for line in tweet:
temp = line.text
temp = re.sub('RT .*', '', temp)
temp = re.sub('@.*', '', temp)
temp = re.sub('http.*', '', temp)
temp = re.sub('\n.*', '', temp)
temp = re.sub('\u3000.*', '', temp)
if len(temp) != 0:
clean_tweets.append(temp)
if len(clean_tweets) >= 50:
break
return clean_tweets
def check_positive(result):
counter = Counter(result)
print(counter.most_common())
positive_negative = counter["Positive"]/counter["Negative"]
print(positive_negative)
if positive_negative > 1:
if positive_negative > 4:
print("とてもポジティブです")
elif positive_negative > 2:
print("ポジティブです")
elif positive_negative > 1:
print("ちょっとポジティブです")
elif positive_negative < 1:
if positive_negative < 0.25:
print("とてもネガティブです")
elif positive_negative < 0.5:
print("ネガティブです")
elif positive_negative < 1:
print("ちょっとネガティブです")
elif counter["Positive"] == 0 and counter["Negative"] == 0:
print("感情を失っています")
結果
正しくポジティブ判定ができているか確認するため、まずはサンシャイン池崎のツイートを分析してみます。
サンシャイン池崎の分析結果
[('Neutral', 32), ('Positive', 16), ('Negative', 2)]
8.0
とてもポジティブです
正しく判定できてそうですね。
Vtuberを分析していきましょう。
名取さなの分析結果
[('Neutral', 31), ('Positive', 12), ('Negative', 7)]
1.7142857142857142
ちょっとポジティブです
DWUの分析結果
[('Neutral', 28), ('Negative', 15), ('Positive', 7)]
0.4666666666666667
ネガティブです
マシーナリーとも子の分析結果
[('Neutral', 27), ('Positive', 16), ('Negative', 7)]
2.2857142857142856
ポジティブです
まとめ
今回はツイートを取得して、感情分析を行い、ポジティブやネガティブ度を判定しました。
今後の展望としては、文全体の感情だけではなく、感情語も使って判定すると面白そうですね。