1. Learn
    2. /
  2. Курси
    3. /
  3. Аналіз тональності в R
Connected

Вправа

Охайна полярність за Bing: простий приклад

Тепер, коли ви розумієте основи inner join, застосуймо це до лексикона «Bing». Пам'ятайте, що функція inner_join() походить з dplyr, а об'єкт лексикона отримують за допомогою функції get_sentiments() з пакета tidytext.

Лексикон Bing позначає слова як позитивні або негативні. У наступних трьох вправах ви попрацюєте саме з цим лексиконом. Щоб скористатися get_sentiments(), передайте рядок на кшталт "afinn", "bing", "nrc" або "loughran", щоб завантажити відповідний лексикон.

Послідовність дій для inner join:

  • Отримайте потрібний лексикон за допомогою get_sentiments().
  • Передайте лексикон і охайні текстові дані до inner_join().
  • Щоб inner_join() спрацював, має бути спільна назва стовпця. Якщо спільних назв немає, оголосіть їх додатковим параметром by, який дорівнює c зі назвами стовпців, як нижче.
object <- x %>% 
    inner_join(y, by = c("column_from_x" = "column_from_y"))
  • Виконайте певну агрегацію та аналіз на перетині таблиць.

Інструкції

100 XP

Ми завантажили ag_txt, що містить перші 100 рядків з Agamemnon, і ag_tidy — його охайну версію.

  • Для порівняння скористайтеся polarity() на ag_txt.
  • Отримайте лексикон "bing", передавши цей рядок до get_sentiments().
  • Виконайте inner_join() між ag_tidy та bing.
    • Стовпці зі словами називаються "term" у ag_tidy та "word" у лексиконі, тож оголосіть аргумент by.
    • Назвіть новий об'єкт ag_bing_words.
  • Виведіть ag_bing_words і перегляньте деякі слова, що потрапили до результату.
  • Передайте ag_bing_words до count() за змінною sentiment, використовуючи оператор конвеєра %>%. Порівняйте оцінку polarity() із співвідношенням підрахунків за sentiment.