文件名称：TwitchChatAnalysis:twitch.tv实时聊天的情感分析
文件大小：19.48MB
文件格式：ZIP
更新时间：2024-04-17 07:10:05
Python
聊天情绪分析 假设 如果聊天在Emotes中具有很高的相似性，并且在给定的时间戳下出现的消息频率较高，则说明流中正在发生“令人兴奋”的事情。 构想 在流行的流媒体中，如果发生“愚蠢”的事情-聊天往往会在很短的时间内充满特定的表情/信息。 如果发生“令人兴奋”的事情，同样的事情也会发生。 去做 更好地衡量chat不休的参与度可以使用总最小值（而不是通过均值归一化）（如果使用分箱方法） 确定给定时间戳记中最受欢迎的表情 由于用户垃圾邮件（每封邮件发送多个表情，可能导致情绪膨胀） 为克服此问题，请将使用表情符号的聊天与每条消息一个表情符号相关联，并对每个时间戳记最受欢迎的表情符号进行排序，以确定每个X时间单位最受欢迎的表情符号。 潜在用例 如果我们可以确定流中的“激动”时刻（正向或负向），那么可以计算自动剪辑生成器生成剪辑的时间吗？ 我们可以通过聊天的参与度来衡量信息流的质量吗？ 想到“流
【文件预览】：
TwitchChatAnalysis-master
----readme.md(2KB)
----data()
--------chat_with_datetime.csv(56.98MB)
--------popular_emotes.csv(1KB)
--------raw_chat.csv(44.73MB)
----analysis.py(1KB)
----downloader.py(1KB)
----.idea()
--------other.xml(186B)
--------misc.xml(185B)
--------vcs.xml(180B)
--------csv-plugin.xml(958B)
--------modules.xml(288B)
--------.gitignore(253B)
--------TwitchChatAnalysis.iml(385B)
--------inspectionProfiles()
----.gitignore(7B)
----emote_analysis.py(770B)