![]C:\Users\Derek\Pictures\Bandera.jfif”

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

#install.packages("readtext")
library(readtext)
#install.packages("syuzhet")
library(syuzhet)
#install.packages("RColorBrewer")
library(RColorBrewer)
#install.packages("wordcloud")
library(wordcloud)
#install.packages("tm")
library(tm)
## Cargando paquete requerido: NLP

Importar la base de datos

texto <- readtext("C:\\Users\\Derek\\Documents\\Himno.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)

# Conclusion #Este codigo sirve para poder captar emociones de un archivo de texto, en este caso del himno nacional

#wordcloud(words=texto_palabras, min.freq = 1)

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