Lagu yang membahagiakan!

Tentu saja, hanya kata positif dan negatif tidaklah cukup. Dalam latihan ini Anda akan mempelajari valence shifters yang menunjukkan maksud emosional penulis. Sebelumnya Anda menerapkan polarity() pada teks tanpa valence shifters. Pada contoh ini Anda akan melihat kata-kata amplifikasi dan negasi dalam praktik.

Ingat bahwa kata penguat (amplifying) menambahkan 0,8 pada kata positif dalam polarity() sehingga skor positif menjadi 1,8. Untuk kata negatif, 0,8 dikurangkan sehingga totalnya menjadi -1,8. Lalu skor dibagi dengan akar kuadrat dari total jumlah kata.

Pertimbangkan contoh berikut dari Frank Sinatra:

"It was a very good year"

"Good" bernilai 1 dan "very" menambahkan 0,8 lagi. Jadi, 1,8/sqrt(6) menghasilkan polaritas 0,73.

Kata penyangkal (negating) seperti "not" akan membalik skor subjektivitas. Pertimbangkan contoh berikut dari Bobby McFerrin:

"Don't worry Be Happy"

"worry" sekarang bernilai 1 karena negasi "don't." Menambahkan "happy", +1, menjadi 2. Dengan total 4 kata, 2 / sqrt(4) menghasilkan skor polaritas 1.

Latihan ini adalah bagian dari kursus

Analisis Sentimen di R

Lihat Kursus

Petunjuk latihan

Periksa data frame percakapan, conversation. Perhatikan valence shifters seperti "never" pada kolom text.
Terapkan polarity() pada kolom text dari conversation untuk menghitung polaritas seluruh percakapan.
Hitung skor polaritas per siswa, dan simpan hasilnya ke student_pol.
- Panggil polarity() lagi, kali ini dengan memberikan dua kolom dari conversation.
- Variabel teks adalah text dan variabel pengelompokan adalah student.
Untuk melihat hasil tingkat siswa, gunakan scores() pada student_pol.
Fungsi counts() yang diterapkan pada student_pol akan menampilkan polaritas tingkat kalimat untuk seluruh data frame beserta kata-kata leksikon yang teridentifikasi.
Objek polaritas, student_pol, dapat diplot dengan plot().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Examine conversation
___

# Polarity - All
___

# Polarity - Grouped
student_pol <- conversation %$%
  ___(___, ___)

# Student results
___

# Sentence by sentence
___

# qdap plot
___

Edit dan Jalankan Kode