一本新的词典能用于定量的情感分析吗？

Question

我试图找到一种方法来实现英语单词的情感规范(荷兰语)，以便与全德达进行纵向情感分析。我最终想要的是每年的“平均情绪”，以显示任何纵向趋势。

在数据集中，由64位编码者在4个类别上对所有单词进行7分的Likert评分，这为每个单词提供了一个平均值。我想做的是取其中一个维度，用它来分析情绪随时间的变化。我意识到泉泰有一个实现LIWC-字典的功能，但如果可能的话，我更愿意使用开源的新数据。

本质上，我需要实现方面的帮助，因为我对编码和R很陌生。

新文件看起来如下(在.csv中)：

单词/分数:癌症: 1.01，土豆: 3.56，爱情: 6.56

Answer 1

还没有直接但是..。它不同于其他字典，因为它不使用键:值对格式，而是为每个术语分配一个数字分数。这意味着您不是根据键来计算匹配的值，而是选择功能，然后使用加权计数对它们进行评分。

在quanteda中可以这样做：

1. 将新的特征转化为字符向量。
2. 使用dfm(yourtext, select = ANEWfeatures)创建一个只具有新特性的dfm。
3. 按每一个新值的价数乘以每一个计算值，按循环列顺序计算，使每个特征计数乘以它的新值。
4. 在加权矩阵上使用rowSums()来获得文档级的价态分数.

或者说，

1. 提交一个问题，我们将把这个功能添加到quanteda中。

还请注意，tidytext重新使用它的情绪评分，如果您想将您的dfm转换为它们的对象并使用该方法(这基本上是我前面建议的版本)。

更新：

事实证明，我已经在quanteda中构建了您需要的特性，而且根本没有意识到这一点！

这会管用的。首先，在新字典中加载。(你必须自己提供新的文件。)

# read in the ANEW data
df_anew <- read.delim("ANEW2010All.txt", stringsAsFactors = FALSE)
# construct a vector of weights with the term as the name
vector_anew <- df_anew$ValMn
names(vector_anew) <- df_anew$Word

既然我们有了一个命名的权向量，我们就可以使用dfm_weight()来应用它了。下面，我首先用相对频率对dfm进行了规范化，这样文档汇总得分就不依赖于标记中的文档长度。如果您不想这样做，只需删除下面所示的行。

library("quanteda")
dfm_anew <- dfm(data_corpus_inaugural, select = df_anew$Word)

# weight by the ANEW weights
dfm_anew_weighted <- dfm_anew %>%
    dfm_weight(scheme = "prop") %>%   # remove if you don't want normalized scores
    dfm_weight(weights = vector_anew)
## Warning message:
## dfm_weight(): ignoring 1,427 unmatched weight features 

tail(dfm_anew_weighted)[, c("life", "day", "time")]
## Document-feature matrix of: 6 documents, 3 features (5.56% sparse).
## 6 x 3 sparse Matrix of class "dfm"
##               features
## docs                 life        day       time
##   1997-Clinton 0.07393220 0.06772881 0.21600000
##   2001-Bush    0.10004587 0.06110092 0.09743119
##   2005-Bush    0.09380645 0.12890323 0.11990323
##   2009-Obama   0.06669725 0.10183486 0.09743119
##   2013-Obama   0.08047970 0          0.19594096
##   2017-Trump   0.06826291 0.12507042 0.04985915

# total scores
tail(rowSums(dfm_anew_weighted))
## 1997-Clinton    2001-Bush    2005-Bush   2009-Obama   2013-Obama   2017-Trump 
##     5.942169     6.071918     6.300318     5.827410     6.050216     6.223944