ステップ3：テキストの整理（とクリーニング）

Rで学ぶSentiment Analysis

Ted Kwartler

Data Dude

始めましょう！

初期目標：polarity() 関数を使って、テキストのサブセクションを定義する。

pos_comments <- subset(bos_reviews$comments, 
                       bos_reviews$polarity > 0)
neg_comments <- subset(bos_reviews$comments, 
                       bos_reviews$polarity < 0)

pos_terms <- paste(pos_comments, collapse = " ")
neg_terms <- paste(neg_comments, collapse = " ")

さらなる整理

目標：整形済みレンタルレビューを使って、tidy形式の極性スコアリングを作成する。

library(tidytext)
library(dplyr)

tidy_reviews <- bos_reviews %>% 
    unnest_tokens(word, comments)

tidy_reviews <- tidy_reviews %>% 
    group_by(id) %>%
    mutate(original_word_order = seq_along(word))

tidy テキストの極性スコアリング

sentiments の「bing」レキシコンは、単語を肯定・否定に分類していることを思い出してください。

library(tidytext)
library(tidyr)
library(dplyr)

bing <- sentiments %>% 
    filter(lexicon == "bing")

pos_neg <- tidy_reviews %>% 
    inner_join(bing) %>%
    count(sentiment) %>%
    pivot_wider(names_from = sentiment, values_from = n, values_fill = 0) %>%
    mutate(polarity = positive - negative)

では、練習しましょう！

Rで学ぶSentiment Analysis