Bing tidy kutupluluk: Basit örnek

Artık inner join'in temelini anladığına göre, bunu "Bing" sözlüğüne uygulayalım. inner_join() fonksiyonunun dplyr paketinden geldiğini ve sözlük nesnesinin tidytext'in get_sentiments() fonksiyonuyla alındığını unutma.

Bing sözlüğü sözcükleri olumlu ya da olumsuz olarak etiketler. Sıradaki üç egzersiz bu özel sözlükle etkileşime girmeni sağlayacak. Belirli bir sözlüğü indirmek için get_sentiments() fonksiyonuna "afinn", "bing", "nrc" veya "loughran" gibi bir dize geçir.

Inner join iş akışı:

get_sentiments() ile doğru sözlüğü elde et.
Sözlüğü ve tidy metin verisini inner_join()'a geçir.
inner_join()'ın çalışması için ortak bir sütun adı olmalı. Ortak sütun adları yoksa, aşağıdaki gibi sütun adlarıyla c eşit bir ek by parametresiyle belirt.

object <- x %>% 
    inner_join(y, by = c("column_from_x" = "column_from_y"))

Kesişim tablosu üzerinde bazı toplulaştırma ve analizler yap.

Bu egzersiz

R ile Duygu Analizi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Agamemnon'dan ilk 100 satırı içeren ag_txt ve bunun tidy sürümü olan ag_tidy yüklendi.

Karşılaştırma için ag_txt üzerinde polarity() kullan.
"bing" dizesini get_sentiments()'e geçirerek sözlüğü al.
ag_tidy ve bing ile bir inner_join() yap.
- Sözcük sütunları ag_tidy'de "term", sözlükte "word" olarak adlandırılmış; bu yüzden by argümanını belirt.
- Yeni nesneyi ag_bing_words olarak adlandır.
ag_bing_words'u yazdır ve sonuçta yer alan bazı sözcüklere bak.
%>% pipe operatörünü kullanarak ag_bing_words'u count() içinde sentimenta geçir. polarity() skorunu duygu sayımı oranıyla karşılaştır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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 %>%
  ___(___)

Kodu Düzenle ve Çalıştır