1

我正在尝试基于http://tidytextmining.com/sentiment.html#the-sentiments-dataset执行情绪分析。在执行情绪分析之前，我需要将我的数据集转换为整洁的格式。

我的数据集是形式：

x <- c( "test1" , "test2")
y <- c( "this is test text1" , "this is test text2")
res <- data.frame( "url" = x, "text" = y)
res
    url               text
1 test1 this is test text1
2 test2 this is test text2

为了将每行转换为一个观察值，需要处理文本列并添加包含单词和该 url 出现次数的新列。相同的 url 将出现在多行中。

这是我的尝试：

library(tidyverse)

x <- c( "test1" , "test2")
y <- c( "this is test text1" , "this is test text2")
res <- data.frame( "url" = x, "text" = y)
res

res_1 <- data.frame(res$text)
res_2 <- as_tibble(res_1)
res_2 %>% count(res.text, sort = TRUE)

返回：

# A tibble: 2 x 2
            res.text     n
              <fctr> <int>
1 this is test text1     1
2 this is test text2     1

如何计算 res$text 数据框中的单词并维护 url 以执行情感分析？

更新 ：

x <- c( "test1" , "test2")
y <- c( "this is test text1" , "this is test text2")
res <- data.frame( "url" = x, "text" = y)
res

res %>%
group_by(url) %>%
transform(text = strsplit(text, " ", fixed = TRUE)) %>%
unnest() %>%
count(url, text)

返回错误：

Error in strsplit(text, " ", fixed = TRUE) : non-character argument

我正在尝试转换为 tibble，因为这似乎是 tidytextmining 情绪分析所需的格式：http: //tidytextmining.com/sentiment.html#the-sentiments-dataset

4

1 回答 1

4

你在寻找这样的东西吗？当你想用 tidytext 包处理情感分析时，你需要用 . 分隔每个字符串中的单词unnest_tokens()。此功能可以做的不仅仅是将文本分成单词。如果您想稍后查看该功能。一旦每行有一个单词，您就可以使用 计算每个单词在每个文本中出现的次数count()。然后，您要删除停用词。tidytext 包里面有数据，所以你可以调用它。最后，你需要有情绪信息。在这里，我选择了 AFINN，但您可以根据需要选择其他。我希望这能帮到您。

x <- c( "text1" , "text2")
y <- c( "I am very happy and feeling great." , "I am very sad and feeling low")
res <- data.frame( "url" = x, "text" = y, stringsAsFactors = F)

#    url                               text
#1 text1 I am very happy and feeling great.
#2 text2      I am very sad and feeling low

library(tidytext)
library(dplyr)

data(stop_words)
afinn <- get_sentiments("afinn")

unnest_tokens(res, input = text, output = word) %>%
count(url, word) %>%
filter(!word %in% stop_words$word) %>%
inner_join(afinn, by = "word")

#    url    word     n score
#  <chr>   <chr> <int> <int>
#1 text1 feeling     1     1
#2 text1   happy     1     3
#3 text2 feeling     1     1
#4 text2     sad     1    -2
于 2017-12-03T01:49:03.697 回答