W pierwszym rozdziale nauczysz się stosować funkcję sentymentu z pakietu qdap o nazwie <a href=https://www.rdocumentation.org/packages/qdap/topics/polarity> polarity() </a>.

Porozmawiajmy o emocjach

Skocz na głęboką wodę! Wizualizacja polaryzacji

Powtórka z TM (I)

Odświeżenie TM (II)

Ile słów znasz? Prawo Zipfa i leksykon subiektywności

Czym jest leksykon subiektywności?

Gdzie można zaobserwować prawo Zipfa?

Polaryzacja na prawdziwym tekście

Poznaj funkcję polarity() i wbudowany leksykon pakietu qdap

Radosne piosenki!

LOL, ta piosenka jest zajebista

Stres w natarciu!

Szybko i sprawnie: ocena polarności

W drugim rozdziale zapoznasz się z 3 leksykonami subiektywności z pakietu tidytext, a następnie wykonasz złączenie wewnętrzne, aby ocenić sentyment tekstu.

Koło emocji Plutchika – polaryzacja a sentyment

Jedna teoria emocji

DTM a macierz tidytext

Pobieranie leksykonów sentymentu

Leksykon Bing i wyjaśnienie złączenia wewnętrznego

Polaryzacja tidy z leksykonem Bing: prosty przykład

Bing – porządkowanie polarności: zliczanie i przestawianie danych o białym wielorybie

Biegunowość w tidytext z leksykonem Bing: Zowcie mnie Izmael (z ggplot2)!

Metodologie AFINN i NRC – więcej szczegółów

AFINN: czas na analizę

Czarnoksiężnik z krainy NRC

Analiza sentymentu z pakietem tidytext

Twórz przekonujące wizualizacje na podstawie wyników analizy sentymentu.

Sztuczka czy coś więcej?

Prawdziwe spostrzeżenia?

Smutne zakończenie? Polarność chronologiczna

Wpływ słów – analiza częstości

Introspekcja z wykorzystaniem analizy sentymentu

Dziel i rządź: chmura porównawcza na podstawie polaryzacji

Introspekcja emocjonalna

Porównanie słupkowego wykresu skumulowanego

Interpretacja wizualizacji

Wykres gęstości jądra

Wykres pudełkowy

Wykres radarowy

Mapy drzewiaste dla grup dokumentów

Wizualizacja sentymentu

Czy twoja nieruchomość sprawdzi się jako wynajem? Czego ludzie szukają w dobrym miejscu do wynajęcia?

Przypomnienie procesu text miningu

Krok 1: Co chcesz wiedzieć?

Krok 2: Identyfikacja źródeł tekstu

Szybkie sprawdzenie podstawowej polaryzacji

Krok 3: Organizacja (i czyszczenie) tekstu

Tworzenie korpusów na podstawie polaryzacji

Utwórz porządny tibble z tekstem!

Porównanie analizy nastrojów Tidy z polaryzacją Qdap

Krok 4: Ekstrakcja cech i krok 5: Czas na analizę... już prawie!

Ocena zaangażowania autora

Chmura porównawcza

Skalowana chmura porównawcza

Krok 6: Wyciągnij wnioski

Potwierdź oczekiwany wniosek

Wybierz mniej oczywisty wniosek

Twoja kolej!

Studium przypadku: recenzje Airbnb

4 books as DocumentTermMatrices

Housing rental reviews from Airbnb in Boston

4 books as a tidy data frame

Line by line polarity for 4 books

Polarity scores of Boston Airbnb reviews

Dodaj analizę sentymentu do swojego zestawu narzędzi do eksploracji tekstu! Analiza sentymentu jest wykorzystywana przez badaczy tekstu w marketingu, polityce, obsłudze klienta i wielu innych dziedzinach. W tym kursie nauczysz się rozpoznawać pozytywny i negatywny język, identyfikować konkretne emocje oraz tworzyć przekonujące wizualizacje. Zaczniesz od wprowadzenia do oceny polarności przy użyciu funkcji sentymentu z pakietu qdap, a po drodze poznasz prawo Zipfa i leksykony subiektywności.
<br><br>
Sentymenty i język, którego używamy do ich wyrażania, są złożone i pełne niuansów. Wynikają z językoznawstwa, socjologii i psychologii, a także z kultury i slangu. Drugi rozdział kursu pomoże ci poradzić sobie z tymi trudnościami – z wykorzystaniem koła emocji Plutchika oraz narzędzi Tidytext z ekosystemu Tidyverse.
<br><br>
Przełożenie analizy sentymentu na czytelne wizualizacje danych ułatwia budowanie narracji i dzielenie się wnioskami z resztą zespołu. Trzeci rozdział kursu pokazuje, jak wizualizować wyniki analizy sentymentu – wykraczając poza chmury słów i tworząc proste, wyraziste grafiki, które opowiadają pełną historię twoich danych.
<br><br>
Kurs zakończy się studium przypadku, w którym sprawdzisz całą zdobytą wiedzę w praktyce. Na podstawie recenzji Airbnb zbadasz, czego ludzie naprawdę szukają w dobrym wynajmie.

<h2>Rozwiń swoje umiejętności w zakresie text mining </h2>
Dodaj analizę sentymentu do swojego zestawu narzędzi do eksploracji tekstu! Analiza sentymentu jest wykorzystywana przez osoby zajmujące się eksploracją tekstu w marketingu, polityce, obsłudze klienta i nie tylko. W tym kursie nauczysz się rozpoznawać pozytywny i negatywny język, określać konkretny zamiar emocjonalny oraz tworzyć przekonujące wizualizacje. Zaczniesz od wprowadzenia do oceniania polaryzacji za pomocą funkcji sentiment z pakietu qdap, a po drodze zbudujesz zrozumienie prawa Zipfa oraz leksykonów subiektywności. 
<br><br>
<h2>Wykorzystaj Tidytext do przeprowadzenia analizy sentymentu </h2>
Sentyment i język używany do jego wyrażania są złożone i pełne niuansów. Opiera się na językoznawstwie, socjologii i psychologii, a także na kulturze i slangu. Drugi rozdział tego kursu pomoże Ci poradzić sobie z tymi trudnościami, wykorzystując koło emocji Plutchika, a także uporządkuje Twoją pracę za pomocą Tidytext z Tidyverse. 
<br><br>
<h2>Wzmocnij swoje analizy dzięki wizualizacjom analizy sentymentu </h2>
Przekształcenie analizy sentymentu w przejrzyste wizualizacje danych pomoże Ci stworzyć bardziej klarowną narrację i podzielić się swoimi spostrzeżeniami z resztą firmy. Trzeci rozdział tego kursu pokazuje, jak wizualizować analizę sentymentu, i wykracza poza chmury słów, aby tworzyć proste, a zarazem efektowne grafiki, które opowiadają pełną historię Twoich danych. 
<br><br>
Na zakończenie kursu sprawdzisz całą swoją wiedzę w studium przypadku. Korzystając z recenzji Airbnb, odkryjesz, czego ludzie naprawdę szukają w dobrym wynajmie. 

Text Mining with Bag-of-Words in R

Poznaj analizę sentymentu, identyfikując język pozytywny i negatywny oraz emocje.

Analiza sentymentu w R

Naucz się analizy sentymentu: rozpoznawaj pozytywny i negatywny język, intencje emocjonalne i twórz atrakcyjne wizualizacje.

Text Mining w R

Krok 1: Co chcesz wiedzieć?

Analiza sentymentu w R

Interaktywne ćwiczenie praktyczne