Teoria

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)

Importar la base de datos

texto <- readtext("C:\\Users\\gabri\\Downloads\\Tec\\Sem 7\\Modulo 2\\Himno.txt")

Analisis de sentimiento

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)

Conclusiones

El analsisi de sentimientos es util para los textos ya que con ellos se puede extraer informaciom importante para reducir costos y ser mas eficiente.

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