1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Sentiment Analysis in R
Connected

cvičení

Porovnání sloupcových grafů

Dalším způsobem, jak analyzovat text, je zjistit, jakou část dokumentu tvoří pozitivní nebo negativní slova. Například recenze restaurace může obsahovat pozitivní hodnocení jako „jídlo bylo dobré", ale zároveň pokračovat slovy „restaurace byla špinavá, personál nezdvořilý a parkování otřesné." V takovém případě tě bude zajímat, jaký podíl textu připadá na pozitivní a jaký na negativní jazyk – v tomto příkladu by negativní procento bylo výrazně vyšší.

Jednou z metod, jak toho dosáhnout, je spočítat pozitivní a negativní slova pomocí count() a výsledek vydělit celkovým počtem identifikovaných subjektivních slov. V příkladu s restaurací by „good" se počítalo jako 1 pozitivní výraz a „dirty", „rude" a „awful" jako 3 negativní. Jednoduchý výpočet by tak ukázal, že recenze je z 25 % pozitivní a z 75 % negativní – celkem totiž obsahuje 4 subjektivní výrazy.

Začni provedením inner_join() na sjednoceném tidy datovém rámci obsahujícím 4 knihy: Agamemnon, Oz, Huck Finn a Moby Dick. Stejně jako v předchozím cvičení použiješ filter() a grepl().

Pro použití count() musíš data nejprve seskupit podle knihy a sentimentu. Například pozitivní slova z knihy Agamemnon je třeba seskupit a sečíst zvlášť, aby se nepromíchala s pozitivními slovy z ostatních knih. Naštěstí můžeš do count() předat více proměnných přímo.

Pokyny 1/3

undefined XP
    1
    2
    3
  • Proveď inner join all_books s lexikonem nrc.
  • Vyfiltruj řádky, kde sloupec sentiment obsahuje hodnotu "positive" nebo "negative". Použij grepl() na sloupci sentiment bez negace, aby byly zachovány záznamy odpovídající "positive|negative".
  • Spočítej výskyty podle book a sentiment.