Di bab pertama, Anda akan mempelajari cara menerapkan fungsi sentiment milik qdap yang disebut <a href=https://www.rdocumentation.org/packages/qdap/topics/polarity> polarity() </a>. 

Mari membicarakan perasaan kita

Langsung praktik! Visualisasikan polaritas

Ulasan TM (I)

Ulangan TM (II)

Berapa banyak kata yang Anda ketahui? Hukum Zipf & leksikon subjektivitas

Apa itu subjectivity lexicon?

Di mana Anda dapat mengamati hukum Zipf?

Polarity pada teks sebenarnya

Jelajahi polarity qdap & leksikon bawaan

Lagu yang membahagiakan!

LOL, lagu ini keren banget

Stressed Out!

Cepat & Sederhana: Penilaian polaritas

Di bab kedua Anda akan mengeksplorasi 3 leksikon subjektivitas dari tidytext. Lalu Anda akan melakukan inner join untuk memberi skor pada beberapa teks.

Roda emosi Plutchik, polaritas vs. sentimen

Salah satu teori emosi

DTM vs. matriks tidytext

Mendapatkan Leksikon Sentimen

Leksikon Bing dengan penjelasan inner join

Polaritas rapi Bing: Contoh sederhana

Bing tidy polarity: Hitung & pivot the white whale

Bing tidy polarity: Panggil aku Ishmael (dengan ggplot2)!

Metodologi AFINN & NRC secara lebih mendalam

AFINN: I'm your Huckleberry

Penyihir hebat dari NRC

Analisis Sentimen dengan pendekatan tidytext

Buat visual yang meyakinkan dengan keluaran analisis sentimen Anda.

Trik hiburan atau benar-benar bermanfaat?

Wawasan yang nyata?

Akhir yang tidak bahagia? Polaritas kronologis

Dampak kata, analisis frekuensi

Introspeksi menggunakan analisis sentimen

Bagi & taklukkan: Menggunakan polaritas untuk comparison cloud

Introspeksi emosi

Bandingkan & bedakan stacked bar chart

Menafsirkan visualisasi

Plot kerapatan kernel

Box plot

Bagan radar

Treemap untuk kelompok dokumen

Memvisualisasikan Sentimen

Apakah properti Anda cocok untuk disewakan? Apa yang dicari orang dalam sewa properti yang baik?

Penyegaran alur kerja text mining

Langkah 1: Apa yang ingin Anda ketahui?

Langkah 2: Identifikasi Sumber Teks

Periksa cepat polaritas dasar

Langkah 3: Menata (dan membersihkan) teks

Buat Korpus Berdasarkan Polaritas

Buat Tidy Text Tibble!

Bandingkan Tidy Sentiment dengan Qdap Polarity

Langkah 4: Ekstraksi Fitur & Langkah 5: Saatnya menganalisis... hampir selesai!

Menilai upaya penulis

Comparison Cloud

Scaled Comparison Cloud

Langkah 6: Tarik kesimpulan

Konfirmasikan kesimpulan yang diharapkan

Pilih wawasan yang kurang terduga

Giliran Anda!

Studi kasus: Ulasan Airbnb

Line by line polarity for 4 books

4 books as a tidy data frame

4 books as DocumentTermMatrices

Polarity scores of Boston Airbnb reviews

Housing rental reviews from Airbnb in Boston

Tambahkan analisis sentimen ke perlengkapan penambangan teks Anda! Analisis sentimen digunakan oleh penambang teks dalam pemasaran, politik, layanan pelanggan, dan bidang lainnya. Di kursus ini Anda akan belajar mengidentifikasi bahasa positif dan negatif, maksud emosional spesifik, serta membuat visualisasi yang meyakinkan. Anda akan mulai dengan pengantar penilaian polaritas menggunakan fungsi sentiment milik qdap, dan akan memperdalam pemahaman tentang hukum Zipf dan leksikon subjektivitas sepanjang pembelajaran.
<br><br>
Sentimen, dan bahasa yang digunakan untuk mengungkapkannya, bersifat rumit dan bernuansa. Ini berlandaskan linguistik, sosiologi, dan psikologi, serta budaya dan bahasa gaul. Bab kedua dalam kursus ini membantu Anda menavigasi tantangan tersebut menggunakan roda emosi Plutchik, dan menata pekerjaan Anda menggunakan Tidytext dari Tidyverse.
<br><br>
Mengubah analisis sentimen Anda menjadi visualisasi data yang jelas akan membantu Anda membangun narasi yang lebih kuat dan membagikan wawasan kepada seluruh tim bisnis. Bab ketiga dari kursus ini menunjukkan cara memvisualisasikan analisis sentimen, dan membawa Anda melampaui word cloud untuk membuat grafik sederhana namun berdampak yang menceritakan keseluruhan kisah data Anda.
<br><br>
Anda akan menutup kursus ini dengan menguji semua pengetahuan melalui sebuah studi kasus. Dengan menggunakan ulasan Airbnb, Anda akan menelusuri apa yang sebenarnya dicari orang dalam sebuah sewa properti yang baik.

<h2>Perluas Kemampuan Anda dalam Tekst Mining </h2>
Tambahkan analisis sentimen ke dalam alat pemrosesan teks Anda! Analisis sentimen digunakan oleh para penambang teks dalam bidang pemasaran, politik, layanan pelanggan, dan bidang lainnya. Dalam kursus ini, Anda akan belajar mengidentifikasi bahasa positif dan negatif, niat emosional yang spesifik, dan membuat visualisasi yang menarik. Anda akan memulai dengan pengenalan tentang penilaian polaritas menggunakan fungsi sentimen qdap, dan akan memperdalam pemahaman Anda tentang Hukum Zipf dan leksikon subjektivitas sepanjang proses. 
<br><br>
<h2>Gunakan Tidytext untuk Melakukan Analisis Sentimen </h2>
Perasaan, dan bahasa yang digunakan untuk mengungkapkannya, adalah hal yang rumit dan penuh nuansa. Hal ini didasarkan pada linguistik, sosiologi, dan psikologi, serta budaya dan bahasa gaul. Bab kedua dalam kursus ini membantu Anda mengatasi kesulitan-kesulitan tersebut dengan menggunakan Roda Emosi Plutchik, dan mengorganisir pekerjaan Anda menggunakan Tidytext dari Tidyverse. 
<br><br>
<h2>Perkuat Wawasan Anda dengan Visualisasi Analisis Sentimen </h2>
Mengubah analisis sentimen Anda menjadi visualisasi data yang jelas akan membantu Anda menciptakan narasi yang lebih jelas dan berbagi wawasan Anda dengan seluruh tim bisnis. Bab ketiga dari kursus ini akan menunjukkan kepada Anda cara memvisualisasikan analisis sentimen Anda, dan membawa Anda melampaui word clouds untuk menciptakan grafik sederhana namun berdampak yang menggambarkan secara utuh cerita dari data Anda. 
<br><br>
Anda akan menyelesaikan kursus ini dengan menguji semua pengetahuan Anda melalui studi kasus. Dengan menggunakan ulasan Airbnb, Anda akan mengetahui apa yang sebenarnya dicari orang dalam sebuah penyewaan yang baik. 

Text Mining with Bag-of-Words in R

Pelajari analisis sentimen dengan mengenali bahasa positif dan negatif serta membuat visualisasi menarik.

Analisis Sentimen di R

Pelajari analisis sentimen dengan mengidentifikasi bahasa positif dan negatif, niat emosional spesifik, dan membuat visualisasi yang menarik.

Pencarian Teks di R

Pilih wawasan yang kurang terduga

Analisis Sentimen di R

Latihan interaktif langsung