Patarakin в 05:45, 24 февраля 2026

2026-02-24T05:45:49Z

← Предыдущая версия		Версия от 08:45, 24 февраля 2026
Строка 1:		Строка 1:

	{{#ask: [[Анализ тональности текста]] \| ?Description }}		{{#ask: [[Анализ тональности текста]] \| ?Description }}

			; Основные понятия: Тональный анализ (sentiment analysis), лексиконы (AFINN, Bing, NRC), токенизация текста (unnest_tokens), агрегация по индексам (pivot_wider), визуализация настроений (ggplot2, wordcloud).

Patarakin в 05:43, 24 февраля 2026

2026-02-24T05:43:53Z

← Предыдущая версия		Версия от 08:43, 24 февраля 2026
Строка 115:		Строка 115:
	</syntaxhighlight>		</syntaxhighlight>

			[[Файл:Sentiments differents.jpg]]
	----		----
	[[Категория:Lesson]]		[[Категория:Lesson]]

Patarakin: Новая страница: « {{#ask: Анализ тональности текста | ?Description }} library(tidytext) library(textdata) get_sentiments("afinn") get_sentiments("bing") get_sentiments("nrc") ## library(janeaustenr) library(dplyr) library(stringr) tidy_books <- austen_books() %>% group_by(book) %>% mutate( linenumber = row_number(), chapter = cumsum(str_detect(text, regex("^chapter [\\...»

2026-02-24T05:39:15Z

Новая страница: « {{#ask: Анализ тональности текста | ?Description }} <syntaxhighlight lang="R" line> library(tidytext) library(textdata) get_sentiments("afinn") get_sentiments("bing") get_sentiments("nrc") ## library(janeaustenr) library(dplyr) library(stringr) tidy_books <- austen_books() %>% group_by(book) %>% mutate( linenumber = row_number(), chapter = cumsum(str_detect(text, regex("^chapter [\\...»

Новая страница

{{#ask: [[Анализ тональности текста]] | ?Description }}

<syntaxhighlight lang="R" line>
library(tidytext)
library(textdata)
get_sentiments("afinn")
get_sentiments("bing")
get_sentiments("nrc")

##
library(janeaustenr)
library(dplyr)
library(stringr)

tidy_books <- austen_books() %>%
group_by(book) %>%
mutate(
linenumber = row_number(),
chapter = cumsum(str_detect(text,
regex("^chapter [\\divxlc]",
ignore_case = TRUE)))) %>%
ungroup() %>%
unnest_tokens(word, text)

nrc_joy <- get_sentiments("nrc") %>%
filter(sentiment == "joy")

tidy_books %>%
filter(book == "Emma") %>%
inner_join(nrc_joy) %>%
count(word, sort = TRUE)

jane_austen_sentiment <- tidy_books %>%
inner_join(get_sentiments("bing")) %>%
count(book, index = linenumber %/% 80, sentiment) %>%
pivot_wider(names_from = sentiment, values_from = n, values_fill = 0) %>%
mutate(sentiment = positive - negative)

library(ggplot2)
ggplot(jane_austen_sentiment, aes(index, sentiment, fill = book)) +
geom_col(show.legend = FALSE) +
facet_wrap(~book, ncol = 2, scales = "free_x")

pride_prejudice <- tidy_books %>%
filter(book == "Pride & Prejudice")

pride_prejudice

###

afinn <- pride_prejudice %>%
inner_join(get_sentiments("afinn")) %>%
group_by(index = linenumber %/% 80) %>%
summarise(sentiment = sum(value)) %>%
mutate(method = "AFINN")

bing_and_nrc <- bind_rows(
pride_prejudice %>%
inner_join(get_sentiments("bing")) %>%
mutate(method = "Bing et al."),
pride_prejudice %>%
inner_join(get_sentiments("nrc") %>%
filter(sentiment %in% c("positive",
"negative"))
) %>%
mutate(method = "NRC")) %>%
count(method, index = linenumber %/% 80, sentiment) %>%
pivot_wider(names_from = sentiment,
values_from = n,
values_fill = 0) %>%
mutate(sentiment = positive - negative)

bind_rows(afinn,
bing_and_nrc) %>%
ggplot(aes(index, sentiment, fill = method)) +
geom_col(show.legend = FALSE) +
facet_wrap(~method, ncol = 1, scales = "free_y")

###

bing_word_counts <- tidy_books %>%
inner_join(get_sentiments("bing")) %>%
count(word, sentiment, sort = TRUE) %>%
ungroup()

bing_word_counts %>%
group_by(sentiment) %>%
slice_max(n, n = 10) %>%
ungroup() %>%
mutate(word = reorder(word, n)) %>%
ggplot(aes(n, word, fill = sentiment)) +
geom_col(show.legend = FALSE) +
facet_wrap(~sentiment, scales = "free_y") +
labs(x = "Contribution to sentiment",
y = NULL)

####
library(wordcloud)
tidy_books %>%
anti_join(stop_words) %>%
count(word) %>%
with(wordcloud(word, n, max.words = 100))

library(reshape2)

tidy_books %>%
inner_join(get_sentiments("bing")) %>%
count(word, sentiment, sort = TRUE) %>%
acast(word ~ sentiment, value.var = "n", fill = 0) %>%
comparison.cloud(colors = c("gray20", "gray80"),
max.words = 100)

</syntaxhighlight>

----
[[Категория:Lesson]]

Как провести анализ тональности текста - История изменений

Patarakin в 05:45, 24 февраля 2026

Patarakin в 05:43, 24 февраля 2026