Bing tidy polarita: Jednoduchý příklad

Teď, když rozumíš základům inner join, pojďme to aplikovat na lexikon „Bing". Nezapomeň, že funkce inner_join() pochází z balíčku dplyr a lexikonový objekt získáš pomocí funkce get_sentiments() z balíčku tidytext.

Bing lexikon označuje slova jako pozitivní nebo negativní. Následující tři cvičení ti umožní pracovat přímo s tímto lexikonem. Aby funkce get_sentiments() stáhla konkrétní lexikon, předej jí řetězec jako "afinn", "bing", "nrc" nebo "loughran".

Postup s inner join:

Získej správný lexikon pomocí get_sentiments().
Předej lexikon a tidy textová data funkci inner_join().
Aby funkce inner_join() správně fungovala, musí existovat sdílený název sloupce. Pokud žádný sdílený název neexistuje, deklaruj ho pomocí dodatečného parametru by s hodnotou c obsahující názvy sloupců, jak je ukázáno níže.

object <- x %>% 
    inner_join(y, by = c("column_from_x" = "column_from_y"))

Proveď agregaci a analýzu nad průnikem tabulek.

Toto cvičení je součástí kurzu

Sentiment Analysis in R

Zobrazit kurz

Pokyny k cvičení

Načetli jsme ag_txt obsahující prvních 100 řádků z Agamemnona a ag_tidy, což je jeho tidy verze.

Pro srovnání spusť funkci polarity() na ag_txt.
Získej lexikon "bing" tak, že tento řetězec předáš funkci get_sentiments().
Proveď inner_join() s ag_tidy a bing.
- Sloupce se slovy se jmenují "term" v ag_tidy a "word" v lexikonu, takže deklaruj argument by.
- Nový objekt pojmenuj ag_bing_words.
Vypiš ag_bing_words a prohlédni si slova, která se ve výsledku objevila.
Předej ag_bing_words funkci count() se sloupcem sentiment pomocí operátoru pipe, %>%. Porovnej skóre z polarity() s poměrem počtu sentimentů.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Qdap polarity
___

# Get Bing lexicon
bing <- get_sentiments("___")

# Join text to lexicon
ag_bing_words <- ___(___, ___, by = c("___" = "___"))

# Examine
ag_bing_words

# Get counts by sentiment
ag_bing_words %>%
  ___(___)

Upravit a spustit kód