Сбор и анализ частотности слов в постах и комментариях группы в вк

В данной работе собираются и анализируются слова, используемые при написании постов и комментариев к ним, на примере сообщества Лентач

Окружение

В проекте используется Python 3, также необходимы дополнительные библиотеки, такие как nltk, stop_words, pymorphy2, vk_api и т.д.

Для их установки используйте команду:

pip3 install -r requirements.txt

Необходимые данные

Для использования данной работы, потребуется следующие данные:

• login - логин от аккаунта в Вконтакте (желательно номер телефона)
• password - пароль
• owner_id - идентификатор сообщества (по умолчанию — Лентач)
• count_of_posts - количество постов, с которых собираются данные (по умолчанию — 500)

Получаемые данные

В процессе выполнения, мы получаем

• frequency_post_words - частотность слов, используемые при написании постов
• frequency_main_comm_words - частотность слов, используемые при написании комментариев
• frequency_answ_comm_words - частотность слов, используемые при написании в ответах на комментарии

которые сохраняются в соответствующих трех файлах в папке results

Структура работы

При помощи специального API собираются данные с постов.

Далее убираются стоп-слова (предлоги, союзы, междометия, частицы и другие части речи, которые часто встречаются в тексте, являются служебными и не несут смысловой нагрузки, т.е. являются избыточными) и слова, не имеющие смысла (ссылки на что-либо, эмодзи итп)

Затем используем морфологический анализ и приводим слова в первоначальную форму

Потом при помощи nltk.probability уже определяется частотность этих слов

Анализ полученных данных

В ноутбуке research_results_data.ipynb приводится первичный анализ полученных данных

Данные актуальны на 22.05.2021