Compară sentimentul Tidy cu polaritatea Qdap

Aici vei descoperi că metodele diferite de analiză a sentimentului pot produce rezultate diferite. De obicei, este suficient ca rezultatele să se alinieze ca direcție, chiar dacă valorile exacte diferă. În exercițiul anterior ai creat tidy_reviews – un cadru de date cu recenzii de închiriere din care au fost eliminate cuvintele de umplutură. Mai devreme în acest capitol, ai calculat și reprezentat grafic funcția de bază polarity() din qdap, care a arătat că recenziile tind să fie pozitive.

Acum să realizăm o analiză similară, de data aceasta folosind abordarea tidytext! Amintește-ți din capitolul anterior că vei aplica inner_join(), urmat de count() și apoi de pivot_wider().

În final, vei crea o coloană nouă folosind mutate(), calculând positive - negative.

Acest exercițiu face parte din cursul

Analiza sentimentelor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosind funcția get_sentiments() cu "bing", vei obține lexiconul de subiectivitate bing. Numește lexiconul bing.
Deoarece ai mai scris acest cod în Capitolul 2, introdu pur și simplu obiectul lexicon bing, numele noii coloane (polarity) și calculul acesteia în interiorul mutate().
La final, aplică summary() pe noul obiect pos_neg. Chiar dacă valorile sunt diferite, după ce analizezi media, sunt majoritatea recenziilor de închiriere la fel de pozitive față de cele obținute cu polarity()? Observi o „inflație a scorurilor"?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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
___

Editează și rulează codul