Porównanie analizy nastrojów Tidy z polaryzacją Qdap

Przekonasz się tutaj, że różne metody analizy nastrojów dają różne wyniki. Często wystarczy, że wyniki są zgodne co do kierunku, nawet jeśli szczegóły się różnią. W poprzednim ćwiczeniu utworzyłeś(-aś) tidy_reviews – ramkę danych zawierającą recenzje wynajmu bez stop słów. Wcześniej w tym rozdziale obliczyłeś(-aś) i zwizualizowałeś(-aś) wyniki podstawowej funkcji polarity() z pakietu qdap, która pokazała, że recenzje mają zazwyczaj pozytywny wydźwięk.

Teraz przeprowadzimy podobną analizę w stylu tidytext! Przypomnij sobie z wcześniejszego rozdziału: wykonasz inner_join(), następnie count(), a potem pivot_wider().

Na koniec utworzysz nową kolumnę za pomocą mutate(), przekazując wyrażenie positive - negative.

To ćwiczenie jest częścią kursu

Analiza sentymentu w R

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji get_sentiments() z argumentem "bing", aby pobrać leksykon subiektywności bing. Przypisz leksykon do obiektu bing.
Ponieważ ten kod pisałeś(-aś) już w rozdziale 2, wystarczy, że wprowadzisz obiekt leksykonu bing, nazwę nowej kolumny (polarity) oraz jej obliczenie w funkcji mutate().
Na koniec wywołaj summary() na nowym obiekcie pos_neg. Mimo że wartości są różne, sprawdź średnią – czy większość recenzji wynajmu jest równie pozytywna jak w przypadku użycia polarity()? Czy zauważasz efekt „zawyżonych ocen"?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Get the correct lexicon
bing <- ___

# Calculate polarity for each review
pos_neg <- tidy_reviews %>% 
  inner_join(___) %>%
  count(sentiment) %>%
  pivot_wider(names_from = sentiment, values_from = n, values_fill = 0) %>% 
  mutate(___ = ___ - ___)

# Check outcome
___

Edytuj i uruchom kod