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 les points suivants en tête pour avoir confiance dans vos résultats.
- Le lexique de subjectivité est une liste prédéfinie de mots associés à des émotions ou à des sentiments positifs/négatifs.
- Inutile d'énumérer chaque mot dans un lexique de subjectivité, car la loi de Zipf décrit la manière dont les humains s'expriment.
Une façon rapide de démarrer consiste à utiliser la fonction polarity(), qui inclut un lexique de subjectivité intégré.
La fonction parcourt le texte pour repérer les mots présents dans le lexique. Elle crée ensuite un groupe autour d'un mot de subjectivité identifié. À l'intérieur de ce groupe, les modulateurs de valence ajustent le score. Ce sont des mots qui amplifient ou qui nient l'intention émotionnelle du mot de subjectivité. Par exemple, « well known » est positif, tandis que « not well known » est négatif. Ici, « not » est un terme de négation et inverse l'intention émotionnelle de « well known ». À l'inverse, « very well known » utilise un amplificateur qui renforce l'intention positive.
La fonction polarity() calcule ensuite un score en utilisant les termes de subjectivité, les modulateurs de valence et le nombre total de mots du passage. Cet exercice illustre un calcul simple de polarité. Dans la prochaine vidéo, nous regarderons sous le capot de polarity() pour plus de détails.
Cet exercice fait partie du cours
<cours>Analyse de sentiments en R</cours>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 <-___(___))