Мы будем анализировать настроения клиентов в городе Сурат, используя набор данных обзоров и отзывов Zomato, полученных с помощью Web Scraping с официального сайта Zomato.
О НАБОРЕ ДАННЫХ
Этот набор данных взят с веб-сайта Zomato и содержит около 70–75 отзывов и оценок на товар в городе Сурат.
Вдохновение
- Просмотрите анализ настроений.
- Понимание того, как рецензенты оценивают полезность отзывов и какие факторы влияют на полезность отзывов.
Этот набор данных взят с https://www.zomato.com/
Загрузка данных и назначение в zomato_reviews:
#Loading dataset excel file library(readxl) zomato_reviews <- read_excel("archive (7)/zomato_reviews.xlsx") View(zomato_reviews)
Установка пакетов и их загрузка:
install.packages('syuzhet') library(syuzhet)
Нам нужны данные в символьной форме, мы должны преобразовать тип данных:
#Restore data in character form review1<- as.character(zomato_reviews$review) review1
Получить оценку настроений
get_nrc_sentiment('happy') get_nrc_sentiment('sad')
Сохранить набор данных в новую переменную
s1<-get_nrc_sentiment(review1) View s1
Объединение zomato_reviews и столбца мнений с помощью cbind:
review_sentiment<- cbind(zomato_reviews$review,s1) View(review_sentiment)
СОСТАВЛЯЕМ НАСТРОЙКИ, КОТОРЫЕ МЫ ПОЛУЧИЛИ В review_sentiment:
plot<- barplot(colSums(s1), col = rainbow(10))
Добавление некоторых меток, заголовка и подписей:
plot<- barplot(colSums(s1), col = rainbow(10), ylab = "Count", main = 'Zomato Feedback and Review Analysis', sub= 'Source: Zomato Webpage via web scrapping Date : 19 Dec 2022, City: Surat', adj = 0.45, cex.names = 0.9)
Выводы:
Как мы видим, настроения пользователей указывают на высокие положительные отзывы и менее половины отрицательных настроений.
Это делает вывод, что Zomato и партнеры хорошо работают, когда дело доходит до предоставления своих услуг своим клиентам и их доверия.
Спасибо, что прошли со мной.