如何根据情感标签进行情感评分？

Question

我正在做一个R项目。我用的是通用问询者词典--一本有几个情感词典的词典。我从这里下载的http://www.wjh.harvard.edu/~inquirer/inquirerbasic.xls

现在，我想创建一个新列"score“，如果值为正数，该列将赋值为1

df <- read.csv("inquirerbasics.csv", header=T, stringsAsFactors=FALSE)
df3 <- subset(df, select=c(1:6))
head(df3)

 Entry Source Positiv Negativ Pstv Affil
1           A  H4Lvd                           
2     ABANDON  H4Lvd         Negativ           
3 ABANDONMENT     H4         Negativ           
4       ABATE  H4Lvd         Negativ           
5   ABATEMENT    Lvd                           
6    ABDICATE     H4         Negativ  

现在我想创建一个列分数，在这里我可以为负值分配分数1，为正值分配分数3，为子值分配分数3。我该如何创建它？

Answer 1

一种选择是创建一个key/val数据集，并在使用coalesce创建单个列后与原始数据集连接

library(dplyr)
keyval <- data.frame(key = c("Negativ", "Positiv", "Pstv"),
             score = c(1, 1, 3), stringsAsFactors=FALSE)
df3 %>%
    mutate(key = coalesce(Positiv, Negativ, Pstv)) %>% 
    left_join(., keyval) %>%
    select(-key)
# Joining, by = "key"
# A tibble: 11,788 x 7
#         Entry Source Positiv Negativ  Pstv Affil score
#         <chr>  <chr>   <chr>   <chr> <chr> <chr> <dbl>
# 1           A  H4Lvd    <NA>    <NA>  <NA>  <NA>    NA
# 2     ABANDON  H4Lvd    <NA> Negativ  <NA>  <NA>     1
# 3 ABANDONMENT     H4    <NA> Negativ  <NA>  <NA>     1
# 4       ABATE  H4Lvd    <NA> Negativ  <NA>  <NA>     1
# 5   ABATEMENT    Lvd    <NA>    <NA>  <NA>  <NA>    NA
# 6    ABDICATE     H4    <NA> Negativ  <NA>  <NA>     1
# 7       ABHOR     H4    <NA> Negativ  <NA>  <NA>     1
# 8       ABIDE     H4 Positiv    <NA>  <NA> Affil     1
# 9     ABILITY  H4Lvd Positiv    <NA>  <NA>  <NA>     1
#10      ABJECT     H4    <NA> Negativ  <NA>  <NA>     1
# ... with 11,778 more rows

注意:在这里，我们仅使用了基于OP文章中所示示例的前6列。如果我们需要更多的列，更改'keyval‘为这些列添加’coalesce‘和'score’，在连接之前对所有这些列进行计分

Answer 2

如果您正在使用字典，我推荐我们的文本挖掘包，它具有广泛的字典处理功能。

它允许将固定的、"glob“或正则表达式匹配到字典值，这是非常有用的，因为许多文本字典方案使用globs作为通配符。

这是我会怎么做的。

library("quanteda")
packageVersion("quanteda")
## [1] ‘0.99.9’

geninquirer <- df

# construct a quanteda dictionary
# also cleans up the #1 etc tags
GIpos <- 
    c(geninquirer$Entry[geninquirer$Positiv == "Positiv"], 
      geninquirer$Entry[geninquirer$Yes == "Yes"]) %>%
    stringi::stri_replace_all_regex("#\\w+$", "") %>%
    unique
GIneg <- 
    c(geninquirer$Entry[geninquirer$Negativ == "Negativ"],
      geninquirer$Entry[geninquirer$No == "No"]) %>%
    stringi::stri_replace_all_regex("#\\w+$", "") %>%
    unique
GI_dict <- dictionary(list(positive = GIpos, negative = GIneg))

txt <- "I will abandon other text analysis packages for dictionary
        analyis because the excellent quanteda makes it so easy."

虽然只需一步即可完成此操作，但在这里，我首先创建了dfm，并在第二步中对其应用了字典。

dfm(txt) %>% dfm_lookup(dictionary = GI_dict, nomatch = "other")
## Document-feature matrix of: 1 document, 3 features (0% sparse).
## 1 x 3 sparse Matrix of class "dfmSparse"
## features
## docs    positive negative other
##   text1        2        1    16

请注意，您甚至不需要将字典值小写，因为匹配的默认值是不区分大小写的。