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
# file.choose()
texto <- readtext("/Users/constantinomilletxacur/Desktop/Concentracion/Modulo 2/himno_nacional_mexico.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)

Conclusion

Como podemos ver, el sentimiento más frecuente en el himno es el miedo. En el wordcloud podemos ver que la palabra más usada es guerra. Lo cual tiene sentido que la emoción más frecuente es miedo.

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