Крок 3: Упорядкуйте (і очистіть) текст

Аналіз тональності в R

Ted Kwartler

Data Dude

До справи!

Початкова мета: використати функцію polarity() для виокремлення підрозділів тексту для аналізу.

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 = " ")

Більше впорядкування

Мета: використати впорядковані відгуки про оренду, щоб створити впорядковані оцінки полярності.

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))

Оцінювання полярності у tidy-тексті

Нагадаємо, лексикон «bing» у sentiments містить слова, позначені як позитивні або негативні.

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)

Давайте потренуємось!

Аналіз тональності в R