Polaritas rapi Bing: Contoh sederhana

Sekarang setelah Anda memahami dasar-dasar inner join, mari terapkan pada leksikon "Bing". Perlu diingat bahwa fungsi inner_join() berasal dari dplyr dan objek leksikon diperoleh menggunakan fungsi get_sentiments() dari tidytext.

Leksikon Bing memberi label kata sebagai positif atau negatif. Tiga latihan berikut memungkinkan Anda berinteraksi dengan leksikon ini secara spesifik. Untuk menggunakan get_sentiments(), berikan string seperti "afinn", "bing", "nrc", atau "loughran" untuk mengunduh leksikon yang diinginkan.

Alur kerja inner join:

Dapatkan leksikon yang benar menggunakan get_sentiments().
Berikan leksikon dan data teks rapi ke inner_join().
Agar inner_join() berfungsi, harus ada nama kolom yang sama. Jika tidak ada nama kolom yang sama, nyatakan dengan parameter tambahan, by yang nilainya sama dengan c berisi nama kolom seperti di bawah ini.

object <- x %>% 
    inner_join(y, by = c("column_from_x" = "column_from_y"))

Lakukan agregasi dan analisis pada irisan tabel tersebut.

Latihan ini adalah bagian dari kursus

Analisis Sentimen di R

Lihat Kursus

Petunjuk latihan

Kami telah memuat ag_txt yang berisi 100 baris pertama dari Agamemnon dan ag_tidy yang merupakan versinya dalam format tidy.

Untuk perbandingan, gunakan polarity() pada ag_txt.
Dapatkan leksikon "bing" dengan memberikan string tersebut ke get_sentiments().
Lakukan inner_join() dengan ag_tidy dan bing.
- Kolom kata bernama "term" di ag_tidy dan "word" di leksikon, jadi nyatakan argumen by.
- Beri nama objek baru ag_bing_words.
Cetak ag_bing_words, dan amati beberapa kata yang muncul dalam hasil.
Teruskan ag_bing_words ke count() atas sentiment menggunakan operator pipe, %>%. Bandingkan skor polarity() dengan rasio hitungan sentimen.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Qdap polarity
___

# Get Bing lexicon
bing <- get_sentiments("___")

# Join text to lexicon
ag_bing_words <- ___(___, ___, by = c("___" = "___"))

# Examine
ag_bing_words

# Get counts by sentiment
ag_bing_words %>%
  ___(___)

Edit dan Jalankan Kode