Polarité sur un texte réel
Jusqu'ici, vous avez vu les éléments de base pour évaluer l'intention positive ou négative d'un texte. Gardez en tête les points suivants pour avoir confiance en vos résultats.
- Le lexique de subjectivité est une liste prédéfinie de mots associés à des émotions ou à des sentiments positifs/négatifs.
- Vous n'avez pas à énumérer chaque mot d'un lexique de subjectivité, car la loi de Zipf décrit la façon dont les humains s'expriment.
Une façon rapide de commencer consiste à utiliser la fonction polarity(), qui intègre déjà un lexique de subjectivité.
La fonction parcourt le texte pour repérer les mots présents dans le lexique. Elle crée ensuite un regroupement autour d'un mot de subjectivité identifié. À l'intérieur de ce regroupement, les modificateurs de valence (valence shifters) ajustent le score. Il s'agit de mots qui amplifient ou nient l'intention émotive du mot de subjectivité. Par exemple, « bien connu » est positif, alors que « pas bien connu » est négatif. Ici, « pas » est un terme de négation qui renverse l'intention émotive de « bien connu ». À l'inverse, « très bien connu » utilise un amplificateur qui augmente l'intention positive.
La fonction polarity() calcule ensuite un score à partir des termes de subjectivité, des modificateurs de valence et du nombre total de mots dans le passage. Cet exercice illustre un calcul simple de polarité. Dans la prochaine vidéo, nous allons regarder sous le capot de polarity() pour plus de détails.
Cette activité fait partie du cours
Analyse de sentiment en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Example statement
positive <- "DataCamp courses are good for learning"
# Calculate polarity of statement
(pos_score <-___(___))