Twitter上的实时情绪跟踪以进行品牌改进和趋势识别:基于交互式数据流的实时交互式Web应用程序使用Twitter流数据自动情感分析以及MySQL和Postg
实时Twitter情绪分析,用于品牌改进和主题跟踪 潜入这个行业,弄脏我的手。 这就是为什么我开始这个自我激励的独立项目的原因。 在Heroku服务器上尝试这个很棒的。 阅读以下一系列相关文章: :使用带有Tweepy,MySQL和Python的Streaming Twitter API收集Twitter数据 :使用RE,TextBlob,NLTK和Plotly进行Twitter情感分析和交互式数据可视化 :在Python中使用Dash和Plotly在Heroku上部署实时Twitter Analytical Web App 第4章(进行中):使用Scala,Kafka和Spark流进
文件列表
Real-time-Sentiment-Tracking-on-Twitter-for-Brand-Improvement-and-Trend-Recognition-master.zip
(预估有个29文件)
Real-time-Sentiment-Tracking-on-Twitter-for-Brand-Improvement-and-Trend-Recognition-master
settings.py
394B
Analysis_for_Topic_Trend.ipynb
3.33MB
kafka-spark
app.py
32B
README.md
14B
Analysis.ipynb
3KB
dash-demo.py
14B
Trend_Analysis_Complex_without_Demo.ipynb
10KB
requirements.txt
101B
暂无评论