建立以極性為基礎的語料庫

在這個練習中，你會執行文字探勘流程的第 3 步。雖然 qdap 不是 tidy 套件，你會用 mutate() 根據回傳的 polarity 清單建立一個代表「所有極性」（這就是提示）分數的新欄位。在第 3 章我們用了只採用 base R 宣告的自訂函式 pol_subsections。不過，為了遵循 tidy 原則，本練習會先用 filter()，接著介紹 pull()。pull() 的作用就像 [[，用來擷取單一變數。

完成區分後，你會把所有正向與負向的留言各自彙整成兩份較大的文件，代表所有正評與負評租屋評論中的所有字詞。

最後，你會建立一個使用詞頻－逆文件頻率（TFIDF）加權的詞－文件矩陣（TDM）。由於本練習的程式碼一開始採用 tidy 結構，因此也會搭配使用從 tm 借來的部分函式與 %>% 運算子來維持風格一致。若你對 tm 套件的基礎不熟，請參考課程《Text Mining with Bag-of-Words in R》（https://www.datacamp.com/courses/text-mining-with-bag-of-words-in-r）。在 TDM 中，值不是單純計算字詞出現次數（頻率），而是會對過度常見的字詞施以懲罰，這有助於減少無資訊性的字詞。