数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究使用 Python 进行 Flipkart 评论情感分析
Flipkart 是印度最大的在线市场之一，购物者可以在那里购买从电子产品到服装的所有商品。由于消费者数量不断增加以及他们提供的反馈，任何商业服务都必须检查评论的语气以改进其服务。情感分析是一种自然语言处理方法，用于检测文本是否表达积极、消极或中立的态度。在本技术博客中，我们将使用 Python 对产品评论进行情感分析来探讨这种方法。
安装和语法
要对 Flipkart 评论进行情感分析，我们需要安装一些 Python 库。
pip install beautifulsoup4 pip install textblob pip install requests
应用程序的样板代码如下所示：
import requests from bs4 import BeautifulSoup url = "https://www.flipkart.com/<product_name>/product-reviews/<product_id>?page=<page_number>" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser')
算法
使用 TextBlob 库对 Flipkart 评论进行情感分析的算法如下：
使用网络爬取技术提取 Flipkart 评论。
通过去除不需要的字符、数字和标点符号来预处理评论。
使用TextBlob库对预处理后的评论进行情感分析。
通过对每个评论的情感评分进行平均，确定评论的整体情感。
示例
import requests
from bs4 import BeautifulSoup
from textblob import TextBlob
url = "https://www.flipkart.com/beston-37-keys-piano-keyboard-toy-microphone-usb-power-cable-sound-recording-function-analog-portable/product-reviews/itmfgdhqpccb9hqb?pid=MKDFGDJXZYND3PSZ&lid=LSTMKDFGDJXZYND3PSZKIDQV7&marketplace=FLIPKART&page=5"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
reviews = soup.find_all('div', {'class': 't-ZTKy'})
for review in reviews[:5]:
text = review.text
text = ' '.join(text.split())
text = ''.join(e for e in text if e.isalnum() or e.isspace())
sentiment_score = TextBlob(text).sentiment.polarity
print(text)
print(sentiment_score)
if sentiment_score > 0.2:
print("Analysis: Positive")
elif sentiment_score < 0.2:
print("Analysis: Negative")
else:
print("Analysis: Neutral")
print("="*20)
输出
Third class or lower class product I dont want to abuse but product and seller deserve it Product stopped working after 1 month useShameful for flipkart to keep such type cheap products Quality of flipkart is really degrade and selling products like street vendors Third class qualityREAD MORE 0.18333333333333335 Analysis: Negative ==================== Ok ok productREAD MORE 0.5 Analysis: Positive ==================== Nice but price highREAD MORE 0.55 Analysis: Positive ==================== My piano was problemREAD MORE 0.5 Analysis: Positive ==================== Vary bad prodectREAD MORE -0.09999999999999992 Analysis: Negative ====================
与以下评论相比，该脚本的预测准确率为 90%。
解释
这段 Python 代码演示了对 Flipkart（一个流行的在线市场）上列出的产品的评论进行情感分析。该程序从产品页面获取评论并分析每个评论的情感。
第一步是导入必要的模块 - requests、BeautifulSoup和TextBlob。requests 模块用于获取网页的HTML内容，BeautifulSoup 用于解析 HTML 内容，TextBlob 用于情感分析。
接下来，产品页面的 URL 被分配给变量 url。requests.get()函数用于获取网页的 HTML 内容。response 变量存储响应对象。
然后，BeautifulSoup 函数用于解析响应对象的 HTML 内容。html.parser 被用作解析器。
soup.find_all()函数用于查找页面上的所有评论。评论由类属性设置为t-ZTKy 的 div 标签识别。reviews 变量存储所有评论元素。
接下来的步骤是循环遍历前五个评论。在循环遍历前五个评论时，使用review.text方法检索每个评论的文本，并通过消除空格和数字字符来清理提取的文本，以便进行精确的预测。
TextBlob函数用于从清理后的文本创建 TextBlob 对象。TextBlob 对象的 sentiment.polarity 属性返回评论的情感评分，该评分介于-1和1之间。
然后打印情感评分以及对情感的分析。如果情感评分大于0.2，则将评论分类为正面。如果情感评分小于0.2，则将评论分类为负面。
应用
通过迭代每个审计页面并将结果保存在CSV文件或数据集中，可以扩展此方法以对大量调查进行意见分析。企业可以使用它来衡量客户满意度并改进其产品。
对 Flipkart 评论进行情感分析可以帮助 Flipkart：
了解客户对其产品和服务的情感。
确定改进领域并采取必要的措施来提高客户满意度。
在分析竞争对手的产品后，将你的产品与他们的产品进行比较。
预测其产品和服务的市场走向。
结论
在本技术博客中，我们探讨了如何使用 Python 对 Flipkart 评论进行情感分析。我们使用网络爬取技术提取评论并使用 TextBlob 库进行情感分析。对 Flipkart 评论进行情感分析可以帮助 Flipkart 改进其服务并提高客户满意度。
460 次浏览
