Tidy Sentiment बनाम Qdap Polarity की तुलना करें
यहाँ आप सीखेंगे कि अलग-अलग sentiment विधियाँ अलग नतीजे दे सकती हैं। अक्सर आपको सिर्फ दिशा के हिसाब से नतीजे मेल खाने चाहिए, भले ही संख्याएँ अलग हों। पिछले अभ्यास में आपने tidy_reviews बनाया था, जो stopwords के बिना rental reviews का एक data frame है। इस अध्याय की शुरुआत में, आपने qdap के बेसिक polarity() फंक्शन की गणना और plotting की थी। इससे पता चला था कि reviews आम तौर पर सकारात्मक हैं।
अब आइए वही विश्लेषण tidytext तरीके से करें! याद कीजिए, पहले के एक अध्याय में आपने inner_join() के बाद count() और फिर pivot_wider() किया था।
आखिर में, आप mutate() का उपयोग करते हुए positive - negative पास करके एक नया कॉलम बनाएँगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Sentiment Analysis
अभ्यास निर्देश
get_sentiments()फंक्शन को "bing" के साथ उपयोग करने पर bing subjectivity lexicon मिलेगा। इस lexicon कोbingनाम दें।- चूँकि आप यह कोड पहले ही Chapter 2 में लिख चुके हैं, इसलिए बस lexicon ऑब्जेक्ट
bing, नए कॉलम का नाम (polarity) और उसकी गणना कोmutate()के भीतर दर्ज करें। - अंत में नए ऑब्जेक्ट
pos_negपरsummary()कॉल करें। हालाँकि मान अलग होंगे, औसत देखने के बाद बताइए: क्या अधिकांश rental reviewspolarity()के इस्तेमाल की तुलना में इसी तरह सकारात्मक दिखते हैं? क्या आपको "grade inflation" दिख रही है?
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Get the correct lexicon
bing <- ___
# Calculate polarity for each review
pos_neg <- tidy_reviews %>%
inner_join(___) %>%
count(sentiment) %>%
pivot_wider(names_from = sentiment, values_from = n, values_fill = 0) %>%
mutate(___ = ___ - ___)
# Check outcome
___