1、实验目的：

使用朴素贝叶斯进行社会媒体挖掘

2、实验内容：

学习朴素贝叶斯算法原理，并使用朴素贝叶斯进行社会媒体挖掘

3、实验环境（设备、软件、实验数据）：

设备：笔记本电脑

    软件：Python idle

    实验数据：python_classes.data、python_tweets.data    

4、实验步骤：

1.安装相关Python库Json、nltk、Numpy、Sklearn、；

2.从社交网站下载数据；

import 

consumer_key = ""

consumer_secret = ""

access_token = ""

access_token_secret = ""

authorization = .OAuth(access_token, access_token_secret,

consumer_key, consumer_secret)

import os

output_filename = os.path.join(os.path.expanduser("~"),"Data", "", "python_tweets.json")

import json

with open(output_filename, 'a') as output_file:

search_results = t.search.tweets(q="python", count=100)['statuses']

for tweet in search_results:

    if 'text' in tweet:

        output_file.write(json.dumps(tweet))

import os

import json

from sklearn.feature_extraction import DictVectorizer

from sklearn.naive_bayes import BernoulliNB

import numpy as np

from sklearn.base import TransformerMixin

from nltk import word_tokenize

from sklearn.model_selection import cross_val_score

from sklearn.pipeline import Pipeline

# 添加文件路径,路径最好不要出现中文 

input_filename = os.path.join("../", "Data", "", "python_tweets.json")

labels_filename = os.path.join("../", "Data", "", "python_classes.json")

#加载消息。我们只对消息内容感兴趣，因此只提取和存储它们的text值，存在tewwts[]内

tweets = []

with open(input_filename) as inf:

    for line in inf:

# strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。

        if len(line.strip()) == 0:

            continue

        tweets.append(json.loads(line)['text'])

#加载数据集：消息的类别（设置消息的类别为1或0）

with open(labels_filename) as inf:

class NLTKBOW(TransformerMixin):

    def fit(self, X, y=None):

        return self

    def transform(self, X):

    #word_tokenize 对句子进行分词

#流水线的每一步都用元组（‘名称’，步骤）来表示。现在来创建流水线。

#具体使用流水线在第三章实验流水线。

pipeline = Pipeline([('bag-of-words', NLTKBOW()), ('vectorizer', DictVectorizer()), ('naive-bayes', BernoulliNB())])

#通过交叉检验使用流水线，导入数据

scores = cross_val_score(pipeline, tweets, labels, scoring='f1',cv=3)

5、总结及心得体会：

    通过本次实验，我学习朴素贝叶斯算法原理，并使用朴素贝叶斯进行社会媒体挖掘，学会了如何到社交网络上获取数据并进行分析处理。下载本文