R語言文字探勘好好玩 - Ch2_採 Tidy 資料做情感分析 (2)

發表於 更新於 分類於

前面一章是解釋說明什麼是 怎麼運用詞典來看出小說的情緒分析，本篇就延續下去介紹詞雲的圖形的視覺化，在本篇的介紹大綱裡面包含如下：

學習內容大綱

  1. 最常見的正面詞和負面詞
  2. 詞雲

最常見的正面詞和負面詞

同時使用包含情感與詞的分析，可以對情感知道貢獻的詞次數。使用 word, sentiment 計算一下 count 次數，可以看看哪一個詞貢獻多大。

1
2
3
4
5
6
bing_word_counts <- tidy_books %>%
  inner_join(get_sentiments("bing")) %>%
  count(word, sentiment, sort = TRUE) %>%
  ungroup()

bing_word_counts

結果如下：

1
2
3
4
5
6
7
8
9
10
# A tibble: 2,585 x 3
   word     sentiment     n
   <chr>    <chr>     <int>
 1 miss     negative   1855
 2 well     positive   1523
 3 good     positive   1380
 4 great    positive    981
 5 like     positive    725
 6 better   positive    639
 7 enough   positive    613

接著我們可以透過 ggplot2 呈現結果

1
2
3
4
5
6
7
8
9
10
11
bing_word_counts %>%
  group_by(sentiment) %>%
  top_n(10) %>%
  ungroup() %>%
  mutate(word = reorder(word, n)) %>%
  ggplot(aes(word, n, fill = sentiment)) +
  geom_col(show.legend = FALSE) +
  facet_wrap(~sentiment, scales = "free_y") +
  labs(y = "Contribution to sentiment",
       x = NULL) +
  coord_flip()

這邊值得一提的是，在負面情緒裡面的第一個 miss 反而是被當作為負面詞，而這不太符合目的。可以利用 bind_rows() 把這樣的詞加進自定義停用詞裡，我們定義這個欄位為 lexicon。

1
2
3
4
custom_stop_words <- bind_rows(data_frame(word = c("miss", "hung", "well", "master"),
                                          lexicon = c("custom")),
                               stop_words)
custom_stop_words

結果如下：

1
2
3
4
5
6
7
8
9
10
# A tibble: 1,153 x 2
   word      lexicon
   <chr>     <chr>  
 1 miss      custom 
 2 hung      custom 
 3 well      custom 
 4 master    custom 
 5 a         SMART  
 6 a's       SMART  
 7 able      SMART

詞雲

在前幾節的說明，都有用 ggplot2 來做視覺化的繪圖，在這節裡，使用 wordcloud 套件來看詞頻的狀況。

1
2
3
4
5
6
library(wordcloud)

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

結果如下：

由於我們使用的 wordcloud 套件，裡頭包含了 comparison.cloud() 部分，可以用 reshape2 的 acast() 把數據轉變成矩陣，找到最常見的正面與負面詞，字越大的話，代表貢獻度也越大

1
2
3
4
5
6
7
8
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)

結果如下：

參考

  1. Text Mining with R