Unhappy ending? Chronological polarity
Manchmal möchtest du Stimmung im Zeitverlauf verfolgen. Zum Beispiel kannst du während einer Werbekampagne die Markenstimmung beobachten, um den Effekt der Kampagne zu sehen. Am Ende des letzten Kapitels hast du dazu ein paar Beispiele gesehen.
In dieser Übung wiederholst du den Workflow, um Stimmung im Zeitverlauf anhand des Romans Moby Dick zu untersuchen. Man kann erwarten, dass fröhliche Momente im Buch mehr positive als negative Wörter enthalten. Umgekehrt verwenden düstere Passagen und traurige Enden eher negativere Sprache. Du lernst außerdem ein paar Tricks kennen, um deine Sentiment-Zeitreihe optisch ansprechender zu machen.
Erinnere dich an den Workflow:
- Führe einen Inner Join des Texts mit dem Lexikon über das Wort durch.
- Zähle die Stimmungen pro Zeile.
- Forme die Daten so um, dass jede Stimmung ihre eigene Spalte hat.
- (Je nach Lexikon) Berechne die Polarität als positiver Score minus negativer Score.
- Visualisiere die Polaritäts-Zeitreihe.
Diese Übung sollte dir bekannt vorkommen: Sie baut auf Bing tidy polarity: Call me Ishmael (with ggplot2)! auf.
Diese Übung ist Teil des Kurses
<Kurs>Sentimentanalyse in R</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
moby_polarity <- moby %>%
# Inner join to the lexicon
___(___, by = c("___" = "___")) %>%
# Count by sentiment, index
___(___, ___) %>%
# Pivot sentiments wider
___(names_from = ___, values_from = ___, values_fill = ___) %>%
mutate(
# Add polarity field
___ = ___ - ___,
# Add line number field
___ = ___()
)