Тестировалось на Python 3.9.7, вероятно будет работать на 3.7 и выше. Установка необходимых библиотек:

pip3 install -r requirements.txt

Сначала необходимо выгрузить из ВК архив своих сообщений. Обратите внимание, что у вас должен стоять русский (не дореволюционный!) язык в ВК, иначе парсер не сможет обработать данные. Примерно через 3 часа этот архив можно будет скачать. Нужно его разархивировать.

Нужно запустить parse.py с указанием на путь к папке messages из архива и путь, по которому будут сохранены сообщения в формате json.

Например:

python3 parse.py Archive/messages messages.json

У parse.py есть дополнительные опции, список можно посмотреть с помощью python3 parse.py --help

Нужно запустить score.py с указанием на путь к спарсенным сообщениям и путь для сохранения результатов сентимент анализа. Первый запуск займет дольше остальных, потому что сначала скачается языковая модель (примерно 80 мегабайт).

python3 score.py messages.json scores.csv

У скрипта есть в основном аналогичные parse.py опции. Но score.py по умолчанию анализирует только ваши сообщения, чтобы проанализировать все (не рекомендуется, в данный момент визуализация не поддерживает фильтрацию по пользователю) используйте -s all. По умолчанию используется модель для определения позитивности, для определения токсичности (чем больше значение тем токсичнее сообщение) используйте -m toxic.

python3 plot.py scores.csv

Можно вписать несколько csv файлов через пробел, все они отобразятся на одном графике.

У скрипта есть опция -w, регулирующая ширину (по времени) скользящего среднего. По умолчанию -w 30D (30 дней). Также сработают опции вида -w 10H или -w 10S.

Стоит поэкспериментировать с этой настройкой: при слишком большом значении теряется точность графика, при слишком маленьком теряется гладкость.

В периоды, в которые попадает небольшое количество сообщений, могут наблюдаться большие выбросы значений.