R语言和文本挖掘 :情感分析

本文介绍了在R语言中利用tidytext库进行文本情感分析的方法,涉及AFINN、Bing和NRC三个情感词典。这些词典对英语词汇按情感正负进行评分或分类,如AFINN的-5到+5分值,Bing的情感标记,以及NRC的8种情感。尽管这些词典在分析时存在局限性,但它们为理解和解析文本情感提供了基础工具。
摘要由CSDN通过智能技术生成

现在有很多方法可以用来分析文本的观点或者情感。在tidytext程序包中,有一些情感词典,常用的是以下三个:

  • AFINN:对单词打分,介于-5和+5之间。分数越高,词汇越正面。

  • bing:这个是Bing Liu等人开发的。他有一本书,叫做Sentiment Analysis: mining sentiments, opinions, and emotions。有兴趣的朋友可以读一下。

  • nrc:nrc情感词典包括英语中8种感情(生气、恐惧、希望、信任、惊奇、悲伤、高兴和反感)。

这三个词典都建立在单词之上。它们根据正面感情和负面感情对英语词汇分类。下面,我们来看一下如何使用这三个词典。

首先,我们需要下载textdata程序包,并且引用它和tidytext程序包。

install.packages("textdata")library(textdata)library(tidytext)

接下来,我们就可以用get_sentiments()函数调用这三个词典。

get_se
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mrrunsen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值