
Analisis de sentimientos
el analisis de senrimientos, o mineria de opinion, es utilizado para
extraer de forma automatica informacion sobre la conotacion positiva o
negativa del lenguaje de un documento.
El analisis mostrara el resultado con 8 emociones basicas y 2
sentimientos. Emociones basicas:
1. AlegrÃa (Joy)
2. Tristeza (Sadness)
3. Ira (anger)
4. Sorpresa (surprise)
5. Asco (disgust)
6. Miedo (fear)
7. Anticipacion (anticipation)
8. Confianza (trust)
Sentimientos
1. positivo (positive)
2. negativo (negative)
instalar paquetes y llamar
librerias
#install.packages("syuzhet")
library(syuzhet)
#install.packages("RColorBrewer")
library(RColorBrewer)
Cargar textos
#file.choose()
texto_cadena <- read.delim( "/Users/enrique/Downloads/Semestre 7- 1 Bloque R/JoseJose.txt", header = FALSE)
texto_palabra <- get_tokens(texto_cadena)
## [1] "c" "qué" "triste" "fue" "decirnos" "adiós"
## [1] 183
Realizar analisis
sentimientos_df <- get_nrc_sentiment(texto_palabra, language ="spanish")
#idiomas disponibles: spanish enislish, french, italian, etc.
Graficar Resultados
barplot(
colSums(prop.table(sentimientos_df[,1:8])),
space = 0.2,
horiz = FALSE,
las= 1,
cex.names= 0.7,
col= brewer.pal(n=8, name="Set3"),
main="Analisis de sentimientos de la cancion el trsite",
xlab= "emociones"
)

Profundizar Analisis
palabras_tristeza <- texto_palabra[sentimientos_df$sadness>0]
palabras_tristeza_orden <- sort (table(unlist(palabras_tristeza)),
decreasing=TRUE)
head(palabras_tristeza_orden, n=10)
##
## triste dolor azul gris soledad
## 4 2 1 1 1
Graficar
secuencia_sentimientos <- (sentimientos_df$negative*-1)+sentimientos_df$positive
simple_plot(secuencia_sentimientos)

Analisis de Himno
instalar paquetes y llamar
librerias
#install.packages("syuzhet")
library(syuzhet)
#install.packages("RColorBrewer")
library(RColorBrewer)
Cargar textos
#file.choose()
texto_cadenaH <- read.delim( "/Users/enrique/Downloads/Semestre 7- 1 Bloque R/himnomexicano.txt", header = FALSE)
texto_palabraH <- get_tokens(texto_cadenaH)
## [1] "c" "mexicanos" "al" "grito" "de" "guerra"
## [1] 497
Realizar analisis
sentimientos_dfH <- get_nrc_sentiment(texto_palabraH, language ="spanish")
#idiomas disponibles: spanish enislish, french, italian, etc.
Graficar Resultados
barplot(
colSums(prop.table(sentimientos_dfH[,1:8])),
space = 0.2,
horiz = FALSE,
las= 1,
cex.names= 0.7,
col= brewer.pal(n=8, name="Set3"),
main="Analisis de sentimientos del Himno",
xlab= "emociones"
)

Profundizar Analisis
palabras_miedo <- texto_palabraH[sentimientos_df$fear>0]
palabras_miedo_orden <- sort (table(unlist(palabras_miedo)),
decreasing=TRUE)
head(palabras_miedo_orden, n=10)
##
## el al de golpe hasta honor intente juran lid los
## 3 1 1 1 1 1 1 1 1 1
Graficar
secuencia_sentimientosH <- (sentimientos_dfH$negative*-1)+sentimientos_dfH$positive
simple_plot(secuencia_sentimientosH)

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