
Contexto
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
1. Instalar paquetes y llamar
librerías
#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
#install.packages("striprtf")
library(striprtf)
2. Importar base de datos
#file.choose()
texto <- read_rtf("/Users/monicagonzalez/Documents/Tec/2024/M2 - R Studio/himno.rtf")
texto_palabras <- get_tokens(texto)
emociones_df <- get_nrc_sentiment(texto_palabras, language = "spanish")
barplot(colSums(prop.table(emociones_df[, 1:8])))
# 3. Definimos si las emociones son
positivas o negativas
sentimientos <- (emociones_df$negative*-1) + emociones_df$positive
simple_plot(sentimientos)

Conclusiones
El análisis de sentimientos es una herramienta de suma importancia
para identificar algún sentimiento general en un texto o publicación.
Esto es principalmente útil para empresas que quieren saber el impacto
de su empresa en las personas y la aceptación de la misma, como en posts
de reds
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