Bing tidy-polaritet: Enkelt exempel
Nu när du förstår grunderna i en inner join kan vi tillämpa det på "Bing"-lexikonet. Kom ihåg att funktionen inner_join() kommer från dplyr och att lexikonobjektet hämtas med get_sentiments() från tidytext.
Bing-lexikonet märker ord som positiva eller negativa. I de tre följande övningarna får du arbeta med just det här lexikonet. För att använda get_sentiments() skickar du in en sträng som "afinn", "bing", "nrc" eller "loughran" för att ladda ned det aktuella lexikonet.
Arbetsflödet för inner join:
- Hämta rätt lexikon med
get_sentiments(). - Skicka lexikonet och tidy-textdatan till
inner_join(). - För att
inner_join()ska fungera måste det finnas ett gemensamt kolumnnamn. Om inga gemensamma kolumnnamn finns, deklarera dem med en extra parameter –by– satt tillcmed kolumnnamnen enligt nedan.
object <- x %>%
inner_join(y, by = c("column_from_x" = "column_from_y"))
- Utför aggregering och analys på tabellintersektionen.
Den här övningen är en del av kursen
Sentimentanalys i R
Övningsinstruktioner
Vi har laddat in ag_txt med de första 100 raderna från Agamemnon samt ag_tidy, som är den städade versionen.
- Använd
polarity()påag_txtför jämförelse. - Hämta
"bing"-lexikonet genom att skicka den strängen tillget_sentiments(). - Utför en
inner_join()medag_tidyochbing.- Ordkolumnerna heter
"term"iag_tidyoch"word"i lexikonet, så deklarera argumentetby. - Spara det nya objektet som
ag_bing_words.
- Ordkolumnerna heter
- Skriv ut
ag_bing_wordsoch titta på några av de ord som ingår i resultatet. - Skicka
ag_bing_wordstillcount()försentimentmed hjälp av pipe-operatorn%>%. Jämför polaritetspoängen frånpolarity()med kvoten för sentimenträkningarna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Qdap polarity
___
# Get Bing lexicon
bing <- get_sentiments("___")
# Join text to lexicon
ag_bing_words <- ___(___, ___, by = c("___" = "___"))
# Examine
ag_bing_words
# Get counts by sentiment
ag_bing_words %>%
___(___)