उदास अंत? कालानुक्रमिक पोलैरिटी
कभी-कभी आप समय के साथ sentiment ट्रैक करना चाहेंगे। उदाहरण के लिए, किसी ad campaign के दौरान आप brand sentiment ट्रैक कर सकते हैं ताकि campaign का असर दिखे। आपने इसके कुछ उदाहरण पिछले अध्याय के अंत में देखे थे.
इस अभ्यास में आप उपन्यास Moby Dick का इस्तेमाल करके समय के साथ sentiment explore करने का workflow दोहराएँगे। उम्मीद यह रहती है कि किताब के खुशहाल पलों में नकारात्मक शब्दों की तुलना में सकारात्मक शब्द ज़्यादा होंगे। इसके उलट, गहरे/उदास हिस्सों और निराशाजनक अंत में नकारात्मक भाषा ज़्यादा दिखेगी। आप कुछ ऐसे तरीकों को भी देखेंगे जिनसे आपकी sentiment time series और आकर्षक दिखे।
याद रखिए, workflow यह है:
- टेक्स्ट को शब्द के आधार पर lexicon से inner join करें।
- हर line के हिसाब से sentiments की गिनती करें।
- डेटा को reshape करें ताकि हर sentiment अपनी अलग कॉलम में आ जाए।
- (lexicon पर निर्भर) पोलैरिटी निकालें: positive score माइनस negative score।
- पोलैरिटी की time series को plot करें।
यह अभ्यास परिचित लगेगा: यह Bing tidy polarity: Call me Ishmael (with ggplot2)! का विस्तार है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Sentiment Analysis
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
moby_polarity <- moby %>%
# Inner join to the lexicon
___(___, by = c("___" = "___")) %>%
# Count by sentiment, index
___(___, ___) %>%
# Pivot sentiments wider
___(names_from = ___, values_from = ___, values_fill = ___) %>%
mutate(
# Add polarity field
___ = ___ - ___,
# Add line number field
___ = ___()
)