Im ersten Kapitel lernst du, wie du die Sentimentfunktion von qdap namens <a href=https://www.rdocumentation.org/packages/qdap/topics/polarity> polarity() </a> anwendest.

Lass uns über unsere Gefühle sprechen

Leg direkt los! Polarität visualisieren

TM-Auffrischung (I)

TM-Auffrischung (II)

Wie viele Wörter kennst du? Zipfsches Gesetz & Subjektivitätslexikon

Was ist ein Subjektivitätslexikon?

Wo kannst du das Gesetz von Zipf beobachten?

Polarität an echtem Text

Erkunde die Polarität und das integrierte Lexikon von qdap

Happy songs!

LOL, this song is wicked good

Stressed Out!

Schnell & dreckig: Polarity Scoring

Im zweiten Kapitel erkundest du 3 Subjektivitätslexika aus tidytext. Anschließend führst du einen Inner Join durch, um Text zu bewerten.

Plutchiks Emotionsrad, Polarität vs. Sentiment

Eine Emotionstheorie

DTM vs. tidytext-Matrix

Sentiment-Lexika abrufen

Bing-Lexikon mit Erklärung zum Inner Join

Bing tidy polarity: Einfaches Beispiel

Bing tidy Polarität: Zählen und pivotieren – der weiße Wal

Bing tidy Polarity: Call me Ishmael (mit ggplot2)!

AFINN- und NRC-Methodiken im Detail

AFINN: I'm your Huckleberry

Der wunderbare Zauberer des NRC

Sentimentanalyse mit tidytext

Erstelle überzeugende Visuals mit deinen Sentimentergebnissen.

Zaubertrick oder sinnvoll?

Echte Erkenntnisse?

Unhappy ending? Chronological polarity

Wortwirkung, Frequenzanalyse

Selbstreflexion mithilfe von Sentimentanalyse

Teile und herrsche: Polarität für eine Vergleichs-Cloud nutzen

Emotionale Selbstreflexion

Gestapeltes Balkendiagramm vergleichen und gegenüberstellen

Visualisierungen interpretieren

Kerndichtediagramm

Boxplot

Radar-Chart

Treemaps für Dokumentgruppen

Sentiments visualisieren

Ist deine Unterkunft eine gute Wahl? Wonach suchen Menschen bei einer guten Vermietung?

Auffrischung des Text-Mining-Workflows

Schritt 1: Was willst du wissen?

Schritt 2: Textquellen identifizieren

Grundpolarität schnell überprüfen

Schritt 3: Text organisieren (& bereinigen)

Polaritätsbasierte Korpora erstellen

Erstelle ein Tidy-Text-Tibble!

Vergleiche Tidy Sentiment mit Qdap-Polarity

Schritt 4: Merkmalsextraktion & Schritt 5: Zeit für die Analyse ... fast geschafft!

Bewertung des Aufwands der Autor:innen

Vergleichs-Cloud

Skalierte Comparison Cloud

Schritt 6: Ziehe ein Fazit

Eine erwartete Schlussfolgerung bestätigen

Wähle eine weniger erwartbare Erkenntnis

Du bist dran!

Fallstudie: Airbnb-Bewertungen

4 books as DocumentTermMatrices

Housing rental reviews from Airbnb in Boston

4 books as a tidy data frame

Line by line polarity for 4 books

Polarity scores of Boston Airbnb reviews

Erweitere dein Text-Mining-Toolkit um Sentimentanalyse! Text Miner setzen Sentimentanalyse im Marketing, in der Politik, im Kundenservice und anderswo ein. In diesem Kurs lernst du, positive und negative Sprache zu erkennen, gezielte Emotionen zu identifizieren und aussagekräftige Visualisierungen zu erstellen. Du startest mit einer Einführung in das Polarity Scoring mithilfe der Sentimentfunktion von qdap und vertiefst unterwegs dein Verständnis von Zipfs Gesetz und Subjektivitätslexika.
<br><br>
Sentiments und die Sprache, mit der sie ausgedrückt werden, sind komplex und nuanciert. Sie beruhen auf Linguistik, Soziologie und Psychologie sowie Kultur und Umgangssprache. Das zweite Kapitel dieses Kurses hilft dir, diese Herausforderungen mit Plutchiks Emotionsrad zu meistern, und strukturiert deine Arbeit mit tidytext aus dem Tidyverse.
<br><br>
Wenn du deine Sentimentanalyse in klare Datenvisualisierungen überführst, erzielst du eine überzeugendere Geschichte und kannst deine Erkenntnisse im Unternehmen teilen. Das dritte Kapitel zeigt dir, wie du deine Sentimentanalyse visualisierst, und geht über Wordclouds hinaus, um einfache und wirkungsvolle Grafiken zu erstellen, die die ganze Geschichte deiner Daten erzählen.
<br><br>
Zum Abschluss des Kurses setzt du dein gesamtes Wissen in einer Fallstudie ein. Anhand von Airbnb-Bewertungen untersuchst du, worauf Menschen bei einer guten Unterkunft wirklich Wert legen.

<h2>Erweitern Sie Ihr Text-Mining-Kompetenzspektrum </h2>
Fügen Sie Sentimentanalyse zu Ihrem Text-Mining-Toolkit hinzu! Sentimentanalyse wird von Textminern im Marketing, in der Politik, im Kundenservice und anderswo eingesetzt. In diesem Kurs lernst du, positive und negative Sprache, spezifische emotionale Absichten zu erkennen und überzeugende Visualisierungen zu erstellen. Sie beginnen mit einer Einführung in das Polarity Scoring mithilfe der sentiment-Funktion von qdap und bauen dabei Ihr Verständnis von Zipfs Gesetz und Subjektivitätslexika weiter aus. 
<br><br>
<h2>Mit Tidytext Sentimentanalyse durchführen </h2>
Sentiment und die Sprache, mit der er ausgedrückt wird, sind komplex und nuanciert. Es basiert auf Linguistik, Soziologie und Psychologie sowie auf Kultur und Slang. Das zweite Kapitel in diesem Kurs hilft Ihnen, diese Schwierigkeiten mithilfe von Plutchiks Emotionsrad zu bewältigen, und organisiert Ihre Arbeit mit Tidytext aus dem Tidyverse. 
<br><br>
<h2>Vertiefen Sie Ihre Erkenntnisse mit Visualisierungen zur Sentimentanalyse </h2>
Wenn Sie Ihre Sentimentanalyse in klare Datenvisualisierungen umwandeln, können Sie eine klarere Geschichte erzählen und Ihre Erkenntnisse mit dem Rest des Unternehmens teilen. Das dritte Kapitel dieses Kurses zeigt dir, wie du deine Sentimentanalyse visualisierst, und führt dich über Word Clouds hinaus, um einfache und wirkungsvolle Grafiken zu erstellen, die die ganze Geschichte deiner Daten erzählen. 
<br><br>
Sie schließen den Kurs ab, indem Sie Ihr gesamtes Wissen in einer Fallstudie auf die Probe stellen. Anhand von Airbnb-Bewertungen erkundest du, worauf Menschen bei einer guten Unterkunft wirklich achten. 

Text Mining with Bag-of-Words in R

Lerne Sentimentanalyse durch Erkennen von positiver und negativer Sprache sowie emotionaler Absicht.

Sentimentanalyse in R

Sentimentanalyse lernen: positive und negative Sprache, emotionale Absichten erkennen und überzeugende Visualisierungen erstellen.

Text Mining mit R

Schritt 1: Was willst du wissen?

Interaktive praktische Übung