Introspeksi emosi
Pada latihan ini, Anda melampaui penyeleksian berdasarkan bahasa positif dan negatif. Anda akan menyeleksi teks berdasarkan masing-masing dari 8 emosi pada roda emosi Plutchik untuk membangun sebuah visualisasi. Dengan pendekatan ini, Anda akan memperoleh kejelasan lebih baik dalam penggunaan kata dengan memetakannya ke emosi spesifik alih-alih hanya positif atau negatif.
Dengan menggunakan leksikon subjektivitas tidytext, yaitu "nrc", Anda melakukan inner_join() dengan teks Anda. Leksikon "nrc" memiliki 8 emosi ditambah kelas istilah positif dan negatif. Jadi Anda perlu membuang kata positif dan negatif setelah melakukan inner_join(). Salah satu caranya adalah dengan negasi, !, dan grepl().
Fungsi "Global Regular Expression Print Logical", grepl(), akan mengembalikan True atau False jika pola string teridentifikasi pada setiap baris. Pada latihan ini Anda akan mencari positive ATAU negative menggunakan operator |, yang merepresentasikan "atau" seperti ditunjukkan di bawah. Sering kali garis lurus ini berada di atas tombol enter pada papan ketik. Karena negasi ! mendahului grepl(), nilai T atau F akan dibalik sehingga "positive|negative" dibuang alih-alih dipertahankan.
Object <- tibble %>%
filter(!grepl("positive|negative", column_name))
Selanjutnya Anda menerapkan count() pada kata-kata yang teridentifikasi beserta pivot_wider() untuk menata bingkai data.
comparison.cloud() mensyaratkan masukan memiliki nama baris, sehingga Anda harus mengonversinya ke data.frame base R, dengan memanggil data.frame() dan argumen row.names.
Latihan ini adalah bagian dari kursus
Analisis Sentimen di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
moby_tidy <- moby %>%
# Inner join to nrc lexicon
___(___, by = c("term" = "word")) %>%
# Drop positive or negative
___(!___("___", sentiment)) %>%
# Count by sentiment and term
___(___, ___) %>%
# Pivot sentiment, using n for values
___(names_from = ___, values_from = ___, values_fill = ___) %>%
# Convert to data.frame, making term the row names
data.frame(row.names = "___")
# Examine
head(moby_tidy)