电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛

标题: 构建一个 Shiny 应用程序来分析 #Bluemix 情绪（2） [打印本页]

作者: look_w 时间: 2018-6-23 08:44 标题: 构建一个 Shiny 应用程序来分析 #Bluemix 情绪（2）

第 4 步. 使用 R 执行 Twitter 分析该应用程序对比两个实体在 Twitter 上的流行度，对两个实体的推文执行情绪分析。该流行度评估使用了两种方法，以借鉴自 Jeffery Stanton、Jeffery Breen 和 Gaston Sanchez 的算法为基础。

该应用程序确定一条与一个实体相关的推文在某个时间段发生的概率。它假设此概率越高，在 Twitter 上讨论此实体的频率就越高。更高的频率意味着相对较高的流行度。
该应用程序对比了检索的在一个特定时间范围发生的针对每个实体的所有推文的比例。接下来，它确定 Twitter 上的讨论程度是正面的还是负面的。基于之前的研究，将推文中使用的单词与一组视为正面或负面的词汇相匹配。然后基于使用的正面和负面词汇的数量，为每个推文生成一个分数。

用户指定的应用程序输入

Entity 1 和 Entity 2：默认实体为 Bluemix 和 Heroku。
Number of tweets to retrieve：此应用程序使用 R 包 twitteR，该包使用了一个公共 API。为了避免 Twitter 拦截该应用程序，最大推文数量限制为 50 条。要修改该值，可以更改代码。
Time (in seconds)：设置用于计算流行度的时间间隔。该计算基于在某个特定时间段到达的针对两个实体的推文比例。

来自应用程序的结果输出结果显示在 7 个选项卡中。

选项卡 1：显示检索了多少推文，描绘在一个特定时刻到达的针对两个实体的新推文的概率。
选项卡 2：包含 3 个曲线图，可视化了两个实体的推文之间的延迟时间分布。第一个曲线图提供了箱线图，以及两种实体的延迟时间分布的均值。第二和第三个曲线图为直方图和内核密度功能。
选项卡 3：显示检索的针对两个实体的推文中，延迟时间大于用户指定的时间的推文的估算比例的条形图。它还描绘了这些比例的估算中 95% 的置信度间隔。
选项卡 4：显示推文的情绪分析。检索的针对两个实体的推文的情绪分数分布（更高的分数表示更高的流行度）使用箱线图来呈现。还计算了均值。
选项卡 5：显示针对两个实体的推文中使用的词汇的单词云。
选项卡 6 和选项卡 7：显示检索的针对两个实体的原始推文，这些推文用在其他 5 个选项卡中生成的输出中。

第 5 步. 自定义应用程序是一种强大且灵活的数据分析语言和平台。各种使您能够执行可以想到的任何类型的分析。通过将新包添加到 R 文件 init.R 中来安装它们，该文件在您推送应用程序时运行。添加代码来安装您需要的任何包。使用以下代码为例。

1
2
3
4
5
6
7
8
9
10
11

# Example `init.r` file
install.packages("twitteR",clean=T)
install.packages("stringr",clean=T)
install.packages("ROAuth",clean=T)
install.packages("RCurl",clean=T)
install.packages("ggplot2",clean=T)
install.packages("reshape",clean=T)
install.packages("tm",clean=T)
install.packages("RJSONIO",clean=T)
install.packages("wordcloud",clean=T)
install.packages("gridExtra",clean=T)

如果您知道如何在 R 中编程，那么就可以轻松地开始开始使用 Shiny 框架；有许多教程可供查阅。
结束语使用 R，对来自各种不同来源的数据执行任何类型的分析，比如像推文这样的实时数据，或者存储在数据库或平面文件中的数据。使用 Shiny 框架让您的分析可从交互式 Web 应用程序执行。得益于 Bluemix，您可以轻松地部署和分发这些应用程序，使用所有可用的服务，并在几秒内提供全球访问能力。
知道如何使用 R 自定义 buildpack 对推文执行简单分析后，可以将 Bluemix 分析的强大功能应用于其他应用程序。请向我们提供评论，让我们知道您的进展！

欢迎光临电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/)