En el primer capítulo, aprenderás a aplicar la función de sentimiento de qdap llamada <a href=https://www.rdocumentation.org/packages/qdap/topics/polarity> polarity() </a>. 

Hablemos de nuestros sentimientos

¡Manos a la obra! Visualiza la polaridad

Repaso de TM (I)

Repaso de TM (II)

¿Cuántas palabras conoces TÚ? La ley de Zipf y el léxico de subjetividad

¿Qué es un léxico de subjetividad?

¿Dónde puedes observar la ley de Zipf?

Polaridad sobre texto real

Explora la polaridad de qdap y su léxico integrado

¡Canciones felices!

LOL, this song is wicked good

¡Stressed Out!

Rápido y directo: puntuación de polaridad

En el segundo capítulo explorarás 3 lexicones de subjetividad de tidytext. Luego harás un inner join para puntuar texto.

La rueda de las emociones de Plutchik, polaridad vs. sentimiento

Una teoría de la emoción

Matriz DTM vs. tidytext

Obtener léxicos de sentimiento

Léxico de Bing con una explicación de inner join

Polaridad ordenada con Bing: ejemplo sencillo

Polaridad ordenada con Bing: cuenta y pivota la gran ballena blanca

Polaridad tidy con Bing: ¡Llámame Ismael (con ggplot2)!

Metodologías AFINN y NRC con más detalle

AFINN: I'm your Huckleberry

El maravilloso mago de NRC

Análisis de sentimiento con tidytext

Crea visualizaciones convincentes con la salida de tu análisis de sentimiento.

¿Truco de salón o algo que merece la pena?

¿Información real?

¿Final infeliz? Polaridad cronológica

Impacto de palabras, análisis de frecuencia

Introspección mediante análisis de sentimiento

Divide y vencerás: usar la polaridad para una comparison cloud

Introspección emocional

Comparar y contrastar gráfico de barras apiladas

Interpretar visualizaciones

Gráfico de densidad kernel

Diagrama de caja

Gráfico de radar

Treemaps para grupos de documentos

Visualizar el sentimiento

¿Tu propiedad es un buen alquiler? ¿Qué busca la gente en un buen alquiler?

Repaso del flujo de trabajo de minería de texto

Paso 1: ¿Qué quieres saber?

Paso 2: Identifica las fuentes de texto

Examina rápidamente la polaridad básica

Paso 3: Organiza (y limpia) el texto

Crear corpus basados en polaridad

¡Crea un tibble de texto ordenado!

Compara Tidy Sentiment con Qdap Polarity

Paso 4: Extracción de características y Paso 5: Hora del análisis... ¡ya casi!

Evaluar el esfuerzo del autor

Nube comparativa

Nube de comparación escalada

Paso 6: Llegar a una conclusión

Confirma una conclusión esperada

Elige una conclusión menos obvia

¡Tu turno!

Caso práctico: reseñas de Airbnb

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

¡Añade el análisis de sentimiento a tu kit de minería de texto! El análisis de sentimiento se utiliza en marketing, política, atención al cliente y muchos otros ámbitos. En este curso aprenderás a identificar lenguaje positivo y negativo, a detectar intenciones emocionales concretas y a crear visualizaciones convincentes. Empezarás con una introducción al cálculo de polaridad usando la función de sentimiento de qdap y, por el camino, afianzarás tu comprensión de la ley de Zipf y de los lexicones de subjetividad.
<br><br>
El sentimiento, y el lenguaje que lo expresa, es complejo y matizado. Se apoya en la lingüística, la sociología y la psicología, además de la cultura y la jerga. El segundo capítulo de este curso te ayuda a sortear esas dificultades usando la rueda de emociones de Plutchik y organiza tu trabajo con Tidytext del Tidyverse.
<br><br>
Convertir tu análisis de sentimiento en visualizaciones claras te permitirá crear una narrativa más nítida y compartir tus conclusiones con el resto del negocio. El tercer capítulo de este curso te muestra cómo visualizar tu análisis de sentimiento y te lleva más allá de las nubes de palabras para crear gráficos sencillos y contundentes que cuenten toda la historia de tus datos.
<br><br>
Terminarás el curso poniendo a prueba todo lo aprendido con un caso práctico. Usando reseñas de Airbnb, explorarás qué busca realmente la gente en un buen alquiler.

<h2>Amplía tus habilidades en minería de textos </h2>
¡Añade el análisis de sentimientos a tu kit de herramientas de minería de textos! El análisis de sentimientos es utilizado por los mineros de texto en marketing, política, servicio al cliente y otros ámbitos. En este curso aprenderás a identificar el lenguaje positivo y negativo, la intención emocional específica y a crear visualizaciones convincentes. Comenzarás con una introducción a la puntuación de polaridad utilizando la función de sentimiento de qdap y, a medida que avances, irás adquiriendo conocimientos sobre la ley de Zipf y los léxicos de subjetividad. 
<br><br>
<h2>Utiliza Tidytext para realizar análisis de opiniones </h2>
Los sentimientos, y el lenguaje utilizado para expresarlos, son complicados y matizados. Se basa en la lingüística, la sociología y la psicología, así como en la cultura y la jerga. El segundo capítulo de este curso te ayuda a superar esas dificultades utilizando la rueda de las emociones de Plutchik y a organizar tu trabajo con Tidytext, de Tidyverse. 
<br><br>
<h2>Refuerza tus conocimientos con visualizaciones de análisis de opiniones </h2>
Convertir tu análisis de opiniones en visualizaciones de datos claras te ayudará a crear una narrativa más clara y a compartir tus conocimientos con el resto de la empresa. El tercer capítulo de este curso te muestra cómo visualizar tu análisis de sentimientos y te lleva más allá de las nubes de palabras para crear gráficos sencillos e impactantes que cuentan toda la historia de tus datos. 
<br><br>
Terminarás el curso poniendo a prueba todos tus conocimientos con un caso práctico. Gracias a las opiniones de Airbnb, descubrirás lo que la gente realmente busca en un buen alquiler. 

Text Mining with Bag-of-Words in R

Aprende análisis de sentimientos identificando lenguaje positivo y negativo, e intención emocional.

Análisis de sentimiento en R

Aprende a analizar el sentimiento identificando el lenguaje positivo y negativo, la intención emocional específica y creando visualizaciones atractivas.

Minería de textos in R

Una teoría de la emoción

Análisis de sentimiento en R

ejercicio interactivo práctico