1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích cảm xúc trong R
Connected

Bài tập

Những bài hát vui!

Dĩ nhiên chỉ từ tích cực và tiêu cực là chưa đủ. Trong bài này bạn sẽ tìm hiểu về valence shifters (từ làm thay đổi sắc thái) cho biết ý định cảm xúc của tác giả. Trước đó bạn đã áp dụng polarity() cho văn bản không có valence shifters. Ở ví dụ này, bạn sẽ thấy cách các từ khuếch đại và phủ định hoạt động.

Hãy nhớ rằng một từ khuếch đại sẽ cộng 0.8 vào một từ tích cực trong polarity() nên điểm tích cực thành 1.8. Với từ tiêu cực, 0.8 bị trừ đi nên tổng thành -1.8. Sau đó điểm được chia cho căn bậc hai của tổng số từ.

Xem ví dụ sau từ Frank Sinatra:

  • "It was a very good year"

"Good" bằng 1 và "very" cộng thêm 0.8. Vậy 1.8/sqrt(6) cho kết quả độ phân cực 0.73.

Một từ phủ định như "not" sẽ đảo ngược điểm tính chủ quan. Xem ví dụ sau từ Bobby McFerrin:

  • "Don't worry Be Happy"

"worry" giờ bằng 1 do phủ định "don't." Cộng thêm "happy", +1, thành 2. Với tổng 4 từ, 2 / sqrt(4) cho điểm phân cực bằng 1.

Hướng dẫn

100 XP
  • Khám phá data frame conversation. Lưu ý các valence shifters như "never" trong cột text.
  • Áp dụng polarity() cho cột text của conversation để tính độ phân cực cho toàn bộ cuộc trò chuyện.
  • Tính điểm phân cực theo từng sinh viên, gán kết quả vào student_pol.
    • Gọi lại polarity(), lần này truyền hai cột của conversation.
    • Biến văn bản là text và biến nhóm là student.
  • Để xem kết quả cấp độ sinh viên, dùng scores() trên student_pol.
  • Hàm counts() áp dụng cho student_pol sẽ in độ phân cực cấp câu cho toàn bộ data frame kèm các từ trong từ điển đã được nhận diện.
  • Đối tượng phân cực student_pol có thể được vẽ với plot().