Polaridad sobre texto real
Hasta ahora has aprendido los componentes básicos necesarios para evaluar la intención positiva o negativa en un texto. Recuerda los siguientes puntos para que te sientas con confianza en tus resultados.
- El subjectivity lexicon es una lista predefinida de palabras asociadas a emociones o sentimientos positivos/negativos.
- No tienes que incluir cada palabra en un subjectivity lexicon porque la ley de Zipf describe la expresión humana.
Una forma rápida de empezar es usar la función polarity(), que incluye un subjectivity lexicon incorporado.
La función recorre el texto para identificar palabras del léxico. Después crea un clúster alrededor de una palabra de subjetividad identificada. Dentro del clúster, los valence shifters ajustan la puntuación. Los valence shifters son palabras que amplifican o niegan la intención emocional de la palabra de subjetividad. Por ejemplo, "well known" es positivo, mientras que "not well known" es negativo. Aquí, "not" es un término de negación y revierte la intención emocional de "well known". En cambio, "very well known" emplea un amplificador que aumenta la intención positiva.
Luego, polarity() calcula una puntuación usando los términos de subjetividad, los valence shifters y el número total de palabras del pasaje. Este ejercicio demuestra un cálculo sencillo de polaridad. En el siguiente vídeo veremos el funcionamiento interno de polarity() con más detalle.
Este ejercicio forma parte del curso
Análisis de sentimiento en R
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Example statement
positive <- "DataCamp courses are good for learning"
# Calculate polarity of statement
(pos_score <-___(___))