वास्तविक टेक्स्ट पर Polarity
अब तक आपने टेक्स्ट में positive या negative intent आँकने के लिए जरूरी बुनियादी घटक सीख लिए हैं। अपने नतीजों पर भरोसा रखने के लिए इन बिंदुओं को याद रखें।
- subjectivity lexicon एक पहले से परिभाषित शब्द-सूची होती है जो भावनाओं या positive/negative एहसास से जुड़े शब्दों को दर्ज करती है।
- आपको subjectivity lexicon में हर शब्द गिनाकर लिखने की ज़रूरत नहीं होती, क्योंकि Zipf's law इंसानी अभिव्यक्ति के पैटर्न को समझाता है।
शुरुआत करने का एक तेज़ तरीका है polarity() फंक्शन का उपयोग, जिसमें बिल्ट-इन subjectivity lexicon आता है।
यह फंक्शन टेक्स्ट को स्कैन करके lexicon में मौजूद शब्दों की पहचान करता है। फिर पहचाने गए subjectivity शब्द के आसपास एक क्लस्टर बनाता है। इस क्लस्टर के भीतर valence shifters स्कोर को समायोजित करते हैं। Valence shifters वे शब्द होते हैं जो subjectivity शब्द के भावनात्मक intent को बढ़ाते (amplify) या नकारते (negate) हैं। उदाहरण के लिए, "well known" positive है, जबकि "not well known" negative। यहाँ "not" एक negating शब्द है और "well known" के भावनात्मक intent को उलट देता है। इसके उलट, "very well known" में एक amplifier है जो positive intent बढ़ाता है।
इसके बाद polarity() फंक्शन subjectivity terms, valence shifters और पैसेज के कुल शब्दों की संख्या का उपयोग करके स्कोर निकालता है। यह अभ्यास एक साधारण polarity गणना दिखाता है। अगले वीडियो में हम polarity() के अंदरूनी कामकाज को और विस्तार से देखेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Sentiment Analysis
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Example statement
positive <- "DataCamp courses are good for learning"
# Calculate polarity of statement
(pos_score <-___(___))