Turinys:
Video: „Twitter“nuotaikų analizė naudojant „Raspberry Pi“: 3 žingsniai (su nuotraukomis)
2024 Autorius: John Day | [email protected]. Paskutinį kartą keistas: 2024-01-30 10:48
Kas yra sentimentų analizė ir kodėl jums tai turėtų rūpėti?
Jausmų analizė - tai emocinio tono už žodžių serijos nustatymo procesas, naudojamas siekiant suprasti internetiniame paminėjime išreikštą požiūrį, nuomonę ir emocijas. Jausmų analizė yra labai naudinga stebint socialinę žiniasklaidą, nes ji leidžia mums apžvelgti platesnę visuomenės nuomonę už tam tikrų temų. Programos yra plačios ir galingos. Galimybė iš socialinių duomenų išgauti įžvalgas yra praktika, kurią plačiai naudoja organizacijos visame pasaulyje. Įdomus faktas: B. Obamos administracija panaudojo sentimentų analizę, kad įvertintų visuomenės nuomonę apie politinius pranešimus ir kampanijos pranešimus prieš 2012 m. Prezidento rinkimus.
1 žingsnis: prijungimas
Šiam projektui jums reikės:
- Raspberry Pi (mūsų atveju: Raspberry Pi 3 B modelis)
- 3 LED diodai (žalia, geltona ir raudona) nuotaikai atspindėti, apskaičiuoti pagal nuotaikos analizę
- 3 rezistoriai (mūsų atveju 330 omų) jūsų GPIO kaiščiams apsaugoti
- laidai arba moteriškas kabelis (mūsų atveju 40 kontaktų)
Dabar turite prijungti LED diodus prie konkrečių „Raspberry Pi“GPIO kaiščių (galite pasirinkti kitus kaiščius, tačiau vėliau turėsite iš naujo nustatyti kodą). Įsitikinkite, kad „Raspberry Pi“yra išjungtas. Tada prijunkite rezistorius prie LED diodų anodų. Po to žalias diodas turėtų būti prijungtas prie kaiščio 21, geltonas prie kaiščio 24 ir raudonas prie kaiščio 15. Visi katodai turi būti prijungti prie įžeminimo kaiščių. Dabar esate pasiruošę pereiti prie kito žingsnio!
2 veiksmas: importuokite paketus
Kad kodas veiktų, jums reikės kelių paketų.
- „Tweepy“: oficialios „Twitter“API python biblioteka. pip3 įdiegti tweepy
- „TextBlob“: python biblioteka, skirta tekstiniams duomenims apdoroti. pip3 įdiegti textblob
- Pagalvė: vartotojo sąsajos python biblioteka. pip3 įdiegti pagalvę
Šie paketai paprastai būna komplektuojami su „python3“, tačiau jei gausite kompiliavimo klaidą, tiesiog įdiekite juos naudodami komandą pip3:
- Statistika: python biblioteka statistikai.
- „Matplotlib“: „python“biblioteka, skirta grafiniam duomenų vaizdavimui.
- „Tkinter“: vartotojo sąsajos „python“biblioteka.
- RPi. GPIO: „python“biblioteka, prieinama tik „RaspberryPi“(bet, gerai, tai darome tik „RasberryPi“), kuri tvarko GPIO kaiščius.
PASTABA: Norėdami tai išbandyti darbalaukyje: tiesiog komentuokite „import led_manager.py“scenarijuje main.py.
3 žingsnis: įgyvendinimas
Sudėkite šiuos scenarijus į RaspberryPi katalogą:
- main.py - programos įėjimo taškas. (paleiskite šį scenarijų konsolėje).
- sentiment_analysis.py - scenarijus, jungiantis prie „Twitter“API, apdorojantis duomenis ir generuojantis rezultatus.
- pie.py - scenarijus, generuojantis grafinį rezultatų vaizdą.
- led_manager.py - scenarijus, kuris tvarko „RaspberryPi“diodus.
Bendraautoriai: Zafir Stojanovski (151015) ir Filip Spasovski (151049)
Kodas:
Rekomenduojamas:
LTE Cat.M1 PSM (energijos taupymo režimas) analizė: 4 žingsniai
LTE Cat.M1 PSM (energijos taupymo režimas) analizė: ankstesniame straipsnyje aptarėme, kaip nustatyti aktyvųjį / miego ciklą naudojant PSM. Aparatūros ir PSM nustatymų bei AT komandų paaiškinimų ieškokite ankstesniame straipsnyje. (Nuoroda: https://www.instructables.com/id/What-Is-a-PSMPow…Ac
Temperatūros/drėgmės duomenų analizė naudojant „Ubidots“ir „Google“skaičiuokles: 6 žingsniai
Temperatūros/drėgmės duomenų analizė naudojant „Ubidots“ir „Google“skaičiuokles: šioje pamokoje mes išmatuosime skirtingus temperatūros ir drėgmės duomenis naudodami temperatūros ir drėgmės jutiklį. Taip pat sužinosite, kaip šiuos duomenis siųsti „Ubidots“. Kad galėtumėte ją analizuoti iš bet kurios vietos skirtingoms reikmėms. Taip pat siunčiant
Biologinės varžos analizė (BIA) naudojant AD5933: 9 žingsnius
Bio impedanso analizė (BIA) Naudojant AD5933: man buvo įdomu sukurti biologinės varžos analizatorių kūno sudėčiai matuoti, o mano atsitiktinės paieškos nuolat surado dizainą iš 2015 m. Biomedicinos instrumentų klasės Vanderbilto universitete. Aš dirbau su dizainu ir
Pagrindinių komponentų analizė: 4 žingsniai
Pagrindinių komponentų analizė: Pagrindinių komponentų analizė yra statistinis metodas, kuris, naudojant ortogonines transformacijas, galimai koreliuojamų kintamųjų rinkinį paverčia tiesiškai nekoreliuojamų verčių rinkiniu. Paprastais žodžiais tariant, turint duomenų rinkinį su keliais aspektais, tai padeda
„Windows“„Bluetooth“sistemos analizė - „SensorTag“metodas: 7 žingsniai (su paveikslėliais)
„Windows“„Bluetooth“sistemos analizė - „SensorTag“metodas: Toliau atliksiu „Windows“operacinės sistemos (OS) analizę bendravimo su „Bluetooth Low Energy“įrenginiais požiūriu - mūsų atveju su įvairių tipų „SensorTags“: „Thunderboard React“, „Thunderboard Sense“(b