Compare o Tidy Sentiment com a Polaridade do Qdap

Aqui você vai ver que métodos de sentimento diferentes levam a resultados diferentes. Muitas vezes, você só precisa que os resultados apontem na mesma direção, mesmo que os detalhes mudem. No último exercício, você criou tidy_reviews, um data frame de avaliações de aluguel sem stopwords. No início do capítulo, você calculou e plotou a função básica polarity() do qdap. Isso mostrou que as avaliações tendem a ser positivas.

Agora vamos fazer uma análise semelhante usando o tidytext! Lembre-se, de um capítulo anterior, que você fará um inner_join() seguido de count() e depois um pivot_wider().

Por fim, você vai criar uma nova coluna usando mutate() passando positive - negative.

Este exercicio faz parte do curso

Análise de Sentimentos em R

Ver curso

Instruções do exercicio

Usando a função get_sentiments() com "bing" você obtém o léxico de subjetividade bing. Chame o léxico de bing.
Como você já escreveu esse código no Capítulo 2, basta informar o objeto do léxico, bing, o novo nome da coluna (polarity) e seu cálculo dentro de mutate().
Por fim, chame summary() no novo objeto pos_neg. Embora os valores sejam diferentes, ao analisar a média, a maioria das avaliações de aluguel continua semelhante e positiva em comparação com o uso de polarity()? Você nota uma "inflação de notas"?

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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
___

Editar e Executar Código