分而治之：用极性构建对比词云

既然您已经看到如何用极性来划分语料库，那就动手试试吧！下面的代码将带您根据情感将语料库分组，这样您就能分别查看各子集中的信息，而不是只看整体。

您的 R 会话中已有 oz_pol，它是将 polarity() 应用于 "The Wonderful Wizard of Oz" 得到的结果。

为便于操作，我们准备了一个简单的自定义函数 pol_subsections()，用于按极性得分划分语料库。首先，该函数接收一个数据框，其中每一行代表语料库中的一句话或一个文档。接着，它根据极性值是否大于或小于 0 来筛选数据框。最后，将正向和负向句子（非零极性）用参数 collapse 连接起来，使这些词项各自汇总为一个语料。最后，这两个文档被合并为一个包含两个不同文档的向量。

pol_subsections <- function(df) {
  x.pos <- subset(df$text, df$polarity > 0)
  x.neg <- subset(df$text, df$polarity < 0)
  x.pos <- paste(x.pos, collapse = " ")
  x.neg <- paste(x.neg, collapse = " ")
  all.terms <- c(x.pos, x.neg)
  return(all.terms)
}

此时，您已剔除中性句子，接下来要专注于整理剩余文本。本练习中我们再次使用 %>% 运算符将对象传递给函数。经过一些简单清洗后，使用 comparison.cloud() 生成可视化。