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

Paso 1. 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

Paso 2. Importar la base de datos

#file.choose()
texto <- readtext("C:\\Users\\valer\\OneDrive\\Escritorio\\IA con impacto empresarial\\Base de datos\\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)

Conclusión

Este código nos ayuda a clasificar los sentimientos dentro de un texto según las palabras utilizadas.

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