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)
## Loading required package: NLP

Importar la base de datos

texto <- readtext("C:\\Users\\gamas\\Downloads\\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)

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

CONCLUSIÓN Este código sirve para analizar la carga de sentimiento que tiene un texto, y puede ser útil para que las empresas analicen comentarios de sus clientes y determinen sus emociones hacia nuestros productos y servicios.

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