Polaritet på verklig text
Hittills har du lärt dig de grundläggande komponenterna för att bedöma positivt eller negativt språk i text. Kom ihåg följande punkter så att du kan känna dig trygg med dina resultat.
- Subjektivitetslexikonet är en fördefinierad lista med ord kopplade till känslor eller positiva/negativa stämningar.
- Du behöver inte lista varje ord i ett subjektivitetslexikon, eftersom Zipfs lag beskriver hur mänskligt uttryck är fördelat.
Ett snabbt sätt att komma igång är att använda funktionen polarity(), som har ett inbyggt subjektivitetslexikon.
Funktionen söker igenom texten efter ord i lexikonet och skapar sedan ett kluster runt varje identifierat subjektivitetsord. Inom klustret justerar valenshöjare poängen. Valenshöjare är ord som förstärker eller negerar det emotionella innehållet i subjektivitetsordet. Till exempel är "well known" positivt, medan "not well known" är negativt – här är "not" ett negerande ord som vänder på den emotionella innebörden. "Very well known" däremot använder ett förstärkande ord som ökar den positiva innebörden.
Funktionen polarity() beräknar sedan ett poängvärde utifrån subjektivitetsord, valenshöjare och det totala antalet ord i textstycket. Den här övningen visar en enkel polaritetsberäkning. I nästa video tittar vi närmare på hur polarity() fungerar under huven.
Den här övningen är en del av kursen
Sentimentanalys i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Example statement
positive <- "DataCamp courses are good for learning"
# Calculate polarity of statement
(pos_score <-___(___))