Я пытаюсь воспроизвести рисунок 4.3, найденный в разделе 4.1.3 книги "Анализ текста с помощью R". анализ настроений
В этом разделе делается попытка сгруппировать все биграммы по четырем ключевым словам отрицания: «не», «нет», «никогда» и «без», и для каждой группы он будет изображать вклад чувств (только словом после слов отрицания, что означает неправильный вклад) по отношению к книге.
Итак, я буду рисовать слова как ось y, а вклад как ось x, и чтобы графики выглядели хорошо, я также хочу, чтобы столбцы располагались в порядке убывания для каждой группы.Так же, как и в предыдущих разделах, я переупорядочиваю уровень слов, используя значение вклада.
Но проблема здесь в том, что под каждой группой эти слова будут иметь различный вклад.Например, в группе 1 «счастливый» появляется больше, чем «надежда», поэтому он имеет более высокий вклад, но в группе 2 это противоположный путь.И что еще хуже, я не могу сделать mutate(word2 = reorder(word2, contribution)), когда фрейм данных был group_by(word1).
Книга способна создать сюжет красиво, как и должно быть, поэтому я предполагаю, что есть какой-то способ переупорядочить уровеньсогласно различным группам.
Ниже приведены коды, все, что до #preparing the data for plotting, взято из книги, поэтому не должно быть никаких проблем, с тех пор эти коды принадлежат мне.
library(dplyr)
library(tidytext)
library(janeaustenr)
library(tidyr)
#getting bigrams
austen_bigrams <- austen_books() %>%
unnest_tokens(bigram, text, token = "ngrams", n = 2)
bigrams_separated <- austen_bigrams %>%
separate(bigram, c("word1", "word2"), sep = " ")
#four negation words to look at
negation_words <- c("not", "no", "never", "without")
AFINN <- get_sentiments("afinn")
#get the sentiment score of words preceded by the four negation words
negated_words <- bigrams_separated %>%
filter(word1 %in% negation_words) %>% #word1 as negation words
inner_join(AFINN, by = c(word2 = "word")) %>% #word2 as the word following negation words
count(word1, word2, score, sort = TRUE) %>%
ungroup()
#preparing the data for plotting
bigrams_plot <- bigrams_separated %>%
filter(word1 %in% negation_words) %>%
inner_join(AFINN, by = c(word2 = "word")) %>% #getting sentiment score
count(word1, word2, score, sort = TRUE) %>%
mutate(contribution = n * score) %>% #defining contribution as n*score
group_by(word1) %>% #group by negation words
top_n(12,abs(contribution)) %>%
arrange(desc(abs(contribution))) %>%
ungroup() %>%
mutate(word2 = reorder(word2, contribution))
#plotting sentiment score contribution grouped by the four negation words
ggplot(bigrams_plot, aes(word2, n * score, fill = n * score > 0)) +
geom_col(show.legend = FALSE) +
facet_wrap(~word1, ncol = 2, scales = "free") +
coord_flip()
Ниже я создал более простую версию:
v1_grp <- c(rep('A',10),rep('B',10))
v2_Aterm <- sample(letters[1:10],10,replace=F)
v2_Bterm <- sample(letters[1:10],10,replace=F)
v3_score <- sample(-10:10,20,replace=T)
data1 <- data_frame(grp=v1_grp,term=c(v2_Aterm,v2_Bterm),score=v3_score)
dataplot <- data1 %>%
arrange(desc(score)) %>%
mutate(term=reorder(term,score))
ggplot(dataplot, aes(term,score,fill=score>0)) +
geom_col(show.legend = FALSE) +
facet_wrap(~grp, ncol = 2, scales = "free") +
coord_flip()