比较 Tidy 情感与 Qdap 极性
在这里，您将看到不同的情感分析方法会产生不同的结果。通常只需要结果在方向上保持一致，具体数值可能会不同。在上一个练习中，您创建了去除了停用词的租房评论数据框 tidy_reviews。在本章前面，您计算并绘制了 qdap 的基础函数 polarity()，结果显示评论整体偏正面。
现在让我们用 tidytext 的方式做类似的分析！回想之前的章节，您将执行一次 inner_join()，然后使用 count()，再进行一次 pivot_wider()。
最后，您将使用 mutate() 创建一个新列，并传入 positive - negative。
本练习是课程的一部分
R 中的情感分析
练习说明
- 使用
get_sentiments()函数并传入 "bing" 来获取 bing 主观词典。将该词典命名为bing。 - 由于您已经在第 2 章写过这段代码，此处只需在
mutate()中填入词典对象bing、新列名（polarity）及其计算。 - 最后对新对象
pos_neg调用summary()。尽管数值不同，但查看均值后，相比使用polarity()，大多数租房评论是否仍然同样偏正面？您是否看到了"成绩膨胀"？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Get the correct lexicon
bing <- ___
# Calculate polarity for each review
pos_neg <- tidy_reviews %>%
inner_join(___) %>%
count(sentiment) %>%
pivot_wider(names_from = sentiment, values_from = n, values_fill = 0) %>%
mutate(___ = ___ - ___)
# Check outcome
___