# El análisis de sentimientos es una herramienta
# dentro del "Machine Learning" para medir respuestas
# emocionales acerca de un texto.

# Las 8 emociones son:
# Ira
# Anticipación
# Asco
# Miedo
# Alegría
# Tristeza
# Sorpresa
# Confianza

# Las 2 tendencias de las emociones son: Positiva o Negativa

# Instalar paquetes y llamar librerias
library(readtext)
library(syuzhet)
library(RColorBrewer)
library(wordcloud)
library(tm)
## Loading required package: NLP
# Importar la base de datos
texto <- readtext("C:\\Users\\lcbor\\Downloads\\mexicoh.txt")
texto_palabras <- get_tokens(texto)
emociones_df <- get_nrc_sentiment(texto_palabras, language = "spanish")
barplot(colSums(prop.table(emociones_df[, 1:8])))

sentimientos <- (emociones_df$negative*-1) + emociones_df$positive
simple_plot(sentimientos)

# wordcloud(words=texto_palabras, min.freq = 1)
# Este codigo nos sirve para ver o medir cual es la emocion predominante en el himno de Mexico, tambien se puede modificar para ver la emoción principal de cualquier texto.
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