还没有,直接,但是... ANEW 与其他字典不同,因为它不使用键:值对格式,而是为每个术语分配一个数字分数。这意味着您不是针对键计算值的匹配,而是选择特征,然后使用加权计数对它们进行评分。
这可以通过以下方式在quanteda中完成:
将 ANEW 特征放入字符向量中。
用于dfm(yourtext, select = ANEWfeatures)
创建仅具有 ANEW 功能的 dfm。
将每个计数值乘以每个 ANEW 值的化合价,按列循环,以便每个特征计数乘以其 ANEW 值。
在加权矩阵上使用rowSums()
以获得文档级别的效价分数。
或者,
- 提交问题,我们会将此功能添加到quanteda。
另请注意,如果您想将 dfm 转换为他们的对象并使用该方法(这基本上是我上面建议的一个版本) , tidytext使用 ANEW 进行情绪评分。
更新:
事实证明,我已经将功能构建到了您需要的quanteda中,但根本没有意识到它!
这将起作用。首先,加载 ANEW 字典。(您必须自己提供 ANEW 文件。)
# read in the ANEW data
df_anew <- read.delim("ANEW2010All.txt", stringsAsFactors = FALSE)
# construct a vector of weights with the term as the name
vector_anew <- df_anew$ValMn
names(vector_anew) <- df_anew$Word
现在我们有了一个命名的权重向量,我们可以使用dfm_weight()
. 下面,我首先按相对频率对 dfm 进行了归一化,以便文档总分不依赖于令牌中的文档长度。如果您不想这样,只需删除下面指示的行。
library("quanteda")
dfm_anew <- dfm(data_corpus_inaugural, select = df_anew$Word)
# weight by the ANEW weights
dfm_anew_weighted <- dfm_anew %>%
dfm_weight(scheme = "prop") %>% # remove if you don't want normalized scores
dfm_weight(weights = vector_anew)
## Warning message:
## dfm_weight(): ignoring 1,427 unmatched weight features
tail(dfm_anew_weighted)[, c("life", "day", "time")]
## Document-feature matrix of: 6 documents, 3 features (5.56% sparse).
## 6 x 3 sparse Matrix of class "dfm"
## features
## docs life day time
## 1997-Clinton 0.07393220 0.06772881 0.21600000
## 2001-Bush 0.10004587 0.06110092 0.09743119
## 2005-Bush 0.09380645 0.12890323 0.11990323
## 2009-Obama 0.06669725 0.10183486 0.09743119
## 2013-Obama 0.08047970 0 0.19594096
## 2017-Trump 0.06826291 0.12507042 0.04985915
# total scores
tail(rowSums(dfm_anew_weighted))
## 1997-Clinton 2001-Bush 2005-Bush 2009-Obama 2013-Obama 2017-Trump
## 5.942169 6.071918 6.300318 5.827410 6.050216 6.223944