如何在有多个文本的一天中对情绪得分进行平均？

Question

我正在使用tm包在R中进行文本情感分析。我从路透社抓取了一些新闻文章，并根据它们的日期给它们起了一个变量名。我添加了a、b、c等来表示每天多篇文章，如下所示：

art170411a

art170411b

art170411c

art170410a

..。

..。

然后，我运行标准的正/负术语分析，给出每篇文章的情绪评分。我的问题是:我如何平均这些分数，以便我每天都能得到情绪分数？

我有一个包含3年多2000+文章的VCorpus。每篇文章都有日期戳。为了匹配肯定/否定术语，我已经将我的语料库转换为一个列表，然后是一个单词包，如下所示：

corp_list <- lapply(corp, FUN = paste, collapse=" ")
corp_bag <- str_split(corp_list, pattern = "\\s+")

我有两种格式的最终分数：

score_naive_list <- lapply(corp_bag, function(x) { sum(!is.na(match(x, pos))) - sum(!is.na(match(x, neg)))})

score_naive <- unlist(lapply(corp_bag, function(x) { sum(!is.na(match(x, pos))) - sum(!is.na(match(x, neg)))}))

所以我的问题是:如何将多个情绪得分平均为一天得分？

Answer 1

我用可重现的数据重复了我的回答，一旦你对数据进行了排序，这应该可以很好地工作。

library(tm)
reut21578 <- system.file("texts", "crude", package = "tm")
corp <- VCorpus(DirSource(reut21578),readerControl = list(reader = readReut21578XMLasPlain))

timestamps <- meta(reuters,"datetimestamp")
days <- sapply(timestamps,strftime,format="%Y-%m-%d")
pos <- c("good","excellent","positive","effective")
neg <- c("bad","terrible","negative")

corp_list <- lapply(corp, FUN = paste, collapse=" ")
daily_bows <- aggregate(corp_list ~ days,data.frame(corp_list = unlist(corp_list),days = days),FUN=paste,collapse = " ")
corp_bag <- str_split(daily_bows$corp_list, pattern = "\\s+")

score_string <- function(x){
  sum(!is.na(match(x, pos))) - sum(!is.na(match(x, neg)))
}
daily_bows$scores <- sapply(corp_bag,score_string)
print(daily_bows[,c("days","scores")])

# days scores
# 1 1987-02-26      3
# 2 1987-03-01      1
# 3 1987-03-02      1