什麼是占星術

全文共2122字，預計學習時長6分鐘

圖源：unsplash

透過分析數千條推文，我們找到了熱門的星座推特賬號，利用機器學習Bertmoticon包來分析預測每個星座的表情。結果讓我們大吃一驚！

首先，我們在推特上進行搜尋，透過粉絲的數量和最近推文的熱度（點贊數）找到每個星座的最熱推特賬號，然後從每個推特賬號中檢索最近的推文。為過濾掉垃圾資訊，我們找的這些推文至少要有100個贊。

占星在推特上的點選量接近400萬次，每個星座的潛在點選量平均達到11萬次，可見占星學在推特上有相當多的粉絲。

我們對推文文字進行了預處理和清理，篩去了雜項資訊，刪除了標籤、URL、使用者名稱、停止詞。這樣，當我們把關於各星座的推文輸入到Bertmoticon庫中時，結果將更加準確。它推斷出一本表情字典，我們將其轉換為機率。

以一條來自@VirgoTerms且經過清理的推文為例：“處女座的人喜歡把工作中的收穫帶到家裡的餐桌上，他們喜歡和家人分享這些事情。”

以下是Bertmoticon根據這條推文推斷出的相關表情的前四名（已刪去停止詞）：機率為26。2%，機率為18。0%，機率為10。3%，機率為5。7%。

為了幫助理解如何在Python中清理推文，我們匯入了上一步的CSV檔案，並編寫了幾個不同的函式應用到CSV中的文字列。實現的功能如下：

·去掉停止詞：停止詞指的是那些不能增加資訊價值的常見詞，如“the”、“and”。這就減少了估計誤差，尤其是在資料點較少的情況下。

stop_words=set（stopwords。words（“english”））text=tokenization（text）#breaksuptextintoalistofwordsfiltered_tweet=［wforwintextifnotwinstop_words］

·使用SnowballStemmer進行詞根處理：將單詞還原為詞根（例如“loves”“loved”“loving”都還原為“love”）。雖然要以增加貝葉斯誤差作為代價，但這大大降低了估計誤差。

sb=SnowballStemmer（“english”）#assumestexthasalreadybeentokenizedforwordintext：print（word，“：”，sb。stem（word））

·從提取的推文中刪除不必要的文字：連結、話題標籤、@使用者名稱、轉發標誌（“RT”）、數字，這些都與文字整體資訊無關。

importre#removesurlsorimagelinkswithhttppattern=r“http\S+”text=re。sub（pattern，“”，text）

清理完文字後，我們執行Bertmoticon，以給定的機率推斷出每條推文相關表情的前四名。我們從CSV檔案中生成一個推文列表，並對列表中的每個字串執行Bertmoticon。

importbertmoticonfromcsvimportDictReaderwithopen（‘gemini。csv’，newline=‘’）asf：ls_of_strings=［row［“text”］forrowinDictReader（f）］emojis=bertmoticon。infer（ls_of_strings，4）

·風象星座

y軸上的機率表示表情符號被列入與推文相關表情符號前四名的次數。

·水象星座

·火象星座

火象星座與其他象星座的共通模式相差最大。

·土象星座

結果

儘管按土象、氣象、風象、火象進行了分組，除了一些異常值，檢測到的各星座表情符號總體模式非常相似。

雖然我們不能根據表情符號的使用和選擇來判斷人們的性格特徵，但各星座常用表情的大致趨勢能幫助我們推斷出，不同星座的性格特徵比我們想象的更為相近。

例如，按照網際網路上討論的星座刻板印象內容來說，會是白羊座和雙子座最常用的表情，因為他們被稱為最情緒化和最有態度的星座。然而，最終結果告訴我們，表情符號對於處女座、射手座、雙魚座和天蠍座來說最為常見，而這些星座是不該有無禮或情緒化的特點的。

當根據不同星座的性格特徵分析表情符號的型別時，可以發現很多方面都存在這種偏差。每個星座和表情的使用頻率比其他4種表情的使用頻率都要高。

儘管人們對不同星座有著相應的刻板印象，但從我們從代表各星座的推文中發現，這些星座特徵比我們想象的更為相近。如上文的折線圖所示，同一表情符號在不同的星座裡出現的機率大致相同。快去看看自己星座的折線圖吧！

留言點贊關注

我們一起分享AI學習與發展的乾貨

如轉載，請後臺留言，遵守轉載規範