基于爬虫+词云图+Kmeans聚类+LDA主题分析+社会网络语义分析对大唐不夜城用户评论进行分析

 

🤵‍♂️ 个人主页:@艾派森的个人主页

✍🏻作者简介:python学习者
🐋 希望大家多多支持,我们一起进步!😄
如果文章对你有帮助的话,
欢迎评论 💬点赞👍🏻 收藏 📂加关注+


目录

一、项目简介

二、实验过程

2.1获取数据

2.2情感分析

2.3TF-IDF+Kmeans聚类分析

2.4LDA主题分析

2.5社会语义网络分析

三、总结


 

一、项目简介

        本项目是基于携程网中关于大唐不夜城评论的文本分析,项目中用到了Python爬虫、词频分析、词云图分析、kmeans聚类、LDA主题分析、情感分析、社会网络语义分析等。

二、实验过程

实验环境

Anaconda

Python3.9

2.1获取数据

数据目标是获取携程网中关于大唐不夜城景点的评论文本数据

由于该网站抓包不是很方便,于是我果断选择使用selenium自动化工具来爬取数据。该网站也不需要登录,直接可以访问这个页面并且可跳转下一页,最后我们使用CSV文件进行存储。

先导入第三方库

from time import sleep
from selenium.webdriver.chrome.service import Service
from selenium.webdriver import Chrome,ChromeOptions
from selenium.webdriver.***mon.by import By
import warnings
import csv
import random
#忽略警告
warnings.filterwarnings("ignore")

 创建我们的浏览器并准备好用来存储评论数据的csv文件

# 创建一个驱动
service = Service('./chromedriver.exe')
options = ChromeOptions()
options.add_experimental_option('excludeSwitches', ['enable-automation','enable-logging'])
options.add_experimental_option('useAutomationExtension', False)
# 创建一个浏览器
driver = Chrome(service=service,options=options)
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": """
        Object.defineProperty(navigator, 'webdriver', {
        get: () => false
        })
    """
    })
with open('***ments.csv','a',encoding='utf-8',newline='')as f:
    csvwriter = csv.writer(f)
    csvwriter.writerow(('景点','用户评论'))
    main()

接下来就主要编写我们的main()函数,该函数主要就是访问页面获取评论标签元素,一页获取完点击下一页,并用创建的csv文件进行存储。

def main():
    driver.get('https://you.ctrip.***/sight/xian7/130441.html')
    sleep(2)
    for i in range(109):
        ***ment_list = driver.find_elements(By.XPATH,'//*[@id="***mentModule"]/div[5]/div/div[2]/div[2]')
        for item in ***ment_list:
            try:
                ***ment = item.find_element(By.XPATH,'.').text
                ***ment = ***ment.strip()
                ***ment = ***ment.replace('\n','')
                csvwriter.writerow(('大唐不夜城',***ment))
                f.flush()
                print(***ment)
            except:
                pass
        driver.find_element(By.CSS_SELECTOR,'li.ant-pagination-next>span').click()
        print(f'=====================第{i+1}页爬取完毕!=========================')
        sleep(random.random()*5)

评论一共有109页,于是我们爬取了109页,大概也就1000条评论数据,爬虫运行截图如下: 

数据已经准确就绪,下来我们将开始一一分析。 

2.2情感分析

首先导入我们刚爬取的评论文本数据

 使用snownlp情感分析模块进行情感打分

经过了上面的打分操作,现在已经有了每句话都情感分值及其情感类别。

接下来对情感分值和类别进行可视化展示

 

从结果看出评论主要都是积极评论占比88%,只有极少数的中性和消极评论,说明该景点真的很值得去! 

接着我们编写一个画词云图的函数,该函数中的功能包括文本预处理、文本分词、去除停用词、词频统计、画出top10词频条形图、画出词云图。

画出积极评论的词云图,调用上面的函数,运行结果如下: 

 

画出中性评论的词云图,调用上面的函数,运行结果如下: 

 

 画出消极评论的词云图,调用上面的函数,运行结果如下: 

 

前面我们分别对积极、中性、消极评论进行了词云图分析,我们发现在消极评论中,最突出的问题就是人多拥挤,谁叫它是免费的景点呢,哈哈哈。

2.3TF-IDF+Kmeans聚类分析

首先还是导入用到的第三方库以及数据

编写一个中文分词的函数

 对分词结果进行词向量化并降维到1000维同时进行标准化操作

 使用TF-IDF提权关键词并获取权重

 使用Kmeans进行聚类,关于K的确定,我是试了几个数字,发现还是2最合适。

 最后将聚类结果进行可视化

2.4LDA主题分析

首先还是导入我们的数据

 在中文分词之前,我们先删除重复数据并且将评论长度小于10的进行剔除,从结果发现,我们剔除了40条评论。

 中文分词

 确定最佳主题个数K值

 从图可看出,8是最低的点,但是8个主题明显太多,会出现过拟合,所以还剩下3和5。最后经过主题可视化我们最终确定了3是最佳的K值。

 

 

 

 可以使用summary查看模型信息

 Lda主题可视化

 最后我们也可以将每个主题的关键词进行词云图展示

运行完上面的代码会生成3个html页面

主题0词云图

 主题1词云图

主题2词云图

2.5社会语义网络分析

这里我们主要使用到的工具是ROSTCM6,关于软件的安装及使用可参考我的博文

ROSTCM6软件下载及语义网络分析详细操作教程(附网盘链接)_艾派森的博客-CSDN博客

三、总结

        本次实验我们使用了爬虫、词云图、情感分析、LDA主题分析、TF-IDF+Kmeans、社会网络语义分析等对大唐不夜城的评论进行了分析。关于博文中的源码大家可以关注派森小木屋公众号进入粉丝群领取,如对文章有疑惑,请评论区留言。

 

转载请说明出处内容投诉
CSS教程_站长资源网 » 基于爬虫+词云图+Kmeans聚类+LDA主题分析+社会网络语义分析对大唐不夜城用户评论进行分析

发表评论

欢迎 访客 发表评论

一个令你着迷的主题!

查看演示 官网购买