基于极性的语料创建

在本练习中，您将完成文本挖掘工作流的第 3 步。尽管 qdap 不是 tidy 风格的包，您仍将使用 mutate() 基于返回的 polarity 列表新增一列，表示"所有极性"（提示在此）得分。在第 3 章中我们使用了一个只基于基础 R 声明的自定义函数 pol_subsections。不过，为了遵循 tidy 原则，本练习将先用 filter()，再引入 pull()。pull() 与 [[ 类似，用于提取单个变量。

完成正负评论的分离后，您会将所有正面与负面评论分别合并为两个更大的文档，代表正面与负面房源评价中的所有词。

最后，您将创建一个基于词频–逆文档频率（TFIDF）的词-文档矩阵（TDM）。由于本练习从 tidy 结构开始，因此会结合使用从 tm 借来的部分函数与 %>% 运算符，以保持风格一致。如果您还不熟悉 tm 包的基础内容，请查看课程 Text Mining with Bag-of-Words in R。与简单统计词语出现次数（频率）不同，TDM 中的取值会对被过度使用的词进行惩罚，这有助于降低非信息性词语的影响。