R詞典在詞典中的情感分析

Question

我對一組推特進行了情感分析，我現在想知道如何將詞組添加到正面和負面詞典。

我已經閱讀過我想測試的短語文件，但是在運行情感分析時，它並沒有給我一個結果。

在通過情感算法進行閱讀時，我可以看到它將單詞與詞典匹配，但有沒有方法可以掃描單詞以及短語？

下面是代碼：

score.sentiment = function(sentences, pos.words, neg.words, .progress='none') 
{ 
    require(plyr) 
    require(stringr) 
    # we got a vector of sentences. plyr will handle a list 
    # or a vector as an "l" for us 
    # we want a simple array ("a") of scores back, so we use 
    # "l" + "a" + "ply" = "laply": 
    scores = laply(sentences, function(sentence, pos.words, neg.words) { 
    # clean up sentences with R's regex-driven global substitute, gsub(): 
    sentence = gsub('[[:punct:]]', '', sentence) 
    sentence = gsub('[[:cntrl:]]', '', sentence) 
    sentence = gsub('\\d+', '', sentence)  
    # and convert to lower case:  
    sentence = tolower(sentence)  
    # split into words. str_split is in the stringr package  
    word.list = str_split(sentence, '\\s+')  
    # sometimes a list() is one level of hierarchy too much  
    words = unlist(word.list)  
    # compare our words to the dictionaries of positive & negative terms 
    pos.matches = match(words, pos) 
    neg.matches = match(words, neg) 
    # match() returns the position of the matched term or NA  
    # we just want a TRUE/FALSE:  
    pos.matches = !is.na(pos.matches) 
    neg.matches = !is.na(neg.matches) 
    # and conveniently enough, TRUE/FALSE will be treated as 1/0 by sum(): 
    score = sum(pos.matches) - sum(neg.matches)  
    return(score)  
    }, pos.words, neg.words, .progress=.progress) 
    scores.df = data.frame(score=scores, text=sentences) 
    return(scores.df) 
} 
analysis=score.sentiment(Tweets, pos, neg) 
table(analysis$score) 

這是結果我得到：

0 
20 

，而我的標準表後，該功能提供 例如

-2 -1 0 1 2 
1 2 3 4 5 

例如。

有沒有人有關於如何在短語上運行此任何想法？ 注意：TWEETS文件是一個句子文件。

Answer 1

功能score.sentiment似乎工作。如果我嘗試一個非常簡單的設置，

Tweets = c("this is good", "how bad it is") 
neg = c("bad") 
pos = c("good") 
analysis=score.sentiment(Tweets, pos, neg) 
table(analysis$score) 

我得到預期的結果，

> table(analysis$score) 

-1 1 
1 1 

你是如何餵養20個鳴叫的方法？根據你發佈的結果，那0 20，我想說你的問題是你的20條推文沒有任何正面或負面的詞，儘管當然這是你會注意到的。也許如果你在你的推文列表上發佈更多的細節，你的正面和負面的話會更容易幫助你。

無論如何，你的功能似乎工作得很好。

希望它有幫助。

通過評論澄清後編輯：

其實，解決你的問題，你需要你的句子記號化到n-grams，其中n將對應於您正在使用您的肯定列表和文字的最大數量負數n-grams。你可以看到如何做到這一點，例如在this SO question。爲了完整性，並且由於我自己測試了它，下面是您可以做的一個示例。我它簡化到bigrams（N = 2），並使用以下輸入：

Tweets = c("rewarding hard work with raising taxes and VAT. #LabourManifesto", 
       "Ed Miliband is offering 'wrong choice' of 'more cuts' in #LabourManifesto") 
pos = c("rewarding hard work") 
neg = c("wrong choice") 

可以創建一個兩字組標記生成器像這樣，

library(tm) 
library(RWeka) 
BigramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min=2,max=2)) 

並對其進行測試，

> BigramTokenizer("rewarding hard work with raising taxes and VAT. #LabourManifesto") 
[1] "rewarding hard"  "hard work"   "work with"   
[4] "with raising"   "raising taxes"  "taxes and"   
[7] "and VAT"    "VAT #LabourManifesto" 

然後在你的方法中，你簡單地用這條線代替，

word.list = str_split(sentence, '\\s+') 

本

word.list = BigramTokenizer(sentence) 

雖然當然，如果你改變word.list到ngram.list或類似的東西，它會更好。

結果是，正如預期，

> table(analysis$score) 

-1 0 
1 1 

只是決定你n-gram大小並將其添加到Weka_control，你應該罰款。

希望它有幫助。