Анализ настроений (AFINN) в R - PullRequest
Новая
       63

Анализ настроений (AFINN) в R

0 голосов
/ 06 мая 2018

Я пытаюсь настроить набор данных твитов, используя словарь AFINN (get_sentiments ("afinn"). Пример набора данных представлен ниже: 

A tibble: 10 x 2
   Date                TweetText                                                
   <dttm>              <chr>                                                    
 1 2018-02-10 21:58:19 "RT @RealSirTomJones: Still got the moves! That was a lo~
 2 2018-02-10 21:58:19 "Yass Tom \U0001f600 #snakehips still got it #TheVoiceUK"
 3 2018-02-10 21:58:19 Yasss tom he’s some chanter #TheVoiceUK #ItsNotUnusual   
 4 2018-02-10 21:58:20 #TheVoiceUK SIR TOM JONES...HE'S STILL HOT... AMAZING VO~
 5 2018-02-10 21:58:21 I wonder how many hips Tom Jones has been through? #TheV~
 6 2018-02-10 21:58:21 Tom Jones has still got it!!! #TheVoiceUK                
 7 2018-02-10 21:58:21 Good grief Tom Jones is amazing #TheVoiceuk              
 8 2018-02-10 21:58:21 RT @tonysheps: Sir Thomas Jones you’re a bloody legend #~
 9 2018-02-10 21:58:22 @ITV Tom Jones what a legend!!! ❤️ #StillGotIt #TheVoice~
10 2018-02-10 21:58:22 "RT @RealSirTomJones: Still got the moves! That was a lo~

Что я хочу сделать, это: 1. Разделите твиты на отдельные слова. 2. Оцените эти слова, используя лексикон AFINN. 3. Суммируйте оценку всех слов каждого твита 4. Верните эту сумму в новый третий столбец, чтобы я мог видеть счет за твит.

Для похожей лексики я нашел следующий код: 

# Initiate the scoreTopic
scoreTopic <- 0
# Start a loop over the documents
for (i in 1:length (myCorpus)) {
  # Store separate words in character vector
  terms <- unlist(strsplit(myCorpus[[i]]$content, " "))
  # Determine the number of positive matches
  pos_matches <- sum(terms %in% positive_words)
  # Determine the number of negative matches
  neg_matches <- sum(terms %in% negative_words)
  # Store the difference in the results vector
  scoreTopic [i] <- pos_matches - neg_matches
} # End of the for loop

dsMyTweets$score <- scoreTopic

Однако я не могу настроить этот код, чтобы он работал со словарем afinn.

Ответы [ 2 ]

0 голосов
/ 10 мая 2018

Это был бы отличный пример использования принципов аккуратных данных. Давайте настроим некоторые примеры данных (это мои настоящие твиты). 

library(tidytext)
library(tidyverse)

tweets <- tribble(
    ~tweetID, ~TweetText,
    1, "Was Julie helping me because I don't know anything about Python package management? Yes, yes, she was.",
    2, "@darinself OMG, this is my favorite.",
    3, "@treycausey @ftrain THIS IS AMAZING.",
    4, "@nest No, no, not in error. Just the turkey!",
    5, "The @nest people should write a blog post about how many smoke alarms went off yesterday. (I know ours did.)")

Теперь у нас есть пример данных. В приведенном ниже коде unnest_tokens() токенизирует текст, то есть разбивает его на отдельные слова (пакет tidytext позволяет использовать специальный токенизатор для твитов), а inner_join() реализует анализ настроений. 

tweet_sentiment <- tweets %>%
    unnest_tokens(word, TweetText, token = "tweets") %>%
    inner_join(get_sentiments("afinn"))
#> Joining, by = "word"

Теперь мы можем найти оценки для каждого твита. Возьмите исходный набор данных твитов и left_join() на него sum() баллов за каждый твит. Удобная функция replace_na() от tidyr позволяет заменить результирующие значения NA нулями. 

tweets %>%
    left_join(tweet_sentiment %>%
                  group_by(tweetID) %>%
                  summarise(score = sum(score))) %>%
    replace_na(list(score = 0))
#> Joining, by = "tweetID"
#> # A tibble: 5 x 3
#>   tweetID TweetText                                                  score
#>     <dbl> <chr>                                                      <dbl>
#> 1      1. Was Julie helping me because I don't know anything about …    4.
#> 2      2. @darinself OMG, this is my favorite.                          2.
#> 3      3. @treycausey @ftrain THIS IS AMAZING.                          4.
#> 4      4. @nest No, no, not in error. Just the turkey!                 -4.
#> 5      5. The @nest people should write a blog post about how many …    0.

Создано в 2018-05-09 пакетом Представ (v0.2.0).

Если вас интересует анализ настроений и анализ текста, я приглашаю вас ознакомиться с обширной документацией и учебными пособиями, которые у нас есть для tidytext .

0 голосов
/ 06 мая 2018

Для дальнейшего использования: 

Score_word <- function(x) {
  word_bool_vec <- get_sentiments("afinn")$word==x
  score <- get_sentiments("afinn")$score[word_bool_vec]
  return (score) }    

Score_tweet <- function(sentence) {
  words <- unlist(strsplit(sentence, " "))
  words <- as.vector(words)
  scores <- sapply(words, Score_word)
  scores <- unlist(scores)
  Score_tweet <- sum(scores)
  return (Score_tweet)
  }     

dsMyTweets$score<-apply(df, 1, Score_tweet)

Это выполняет то, что я изначально хотел! :)

...