Skip to contents

Análise de sentimento com OpLexicon

Source: R/ac_sentiment.R
ac_sentiment.Rd

ac_sentiment() calcula a polaridade de sentimento dos documentos de um ac_corpus usando o OpLexicon (Souza & Vieira, 2012), retornando pontuações por documento e, opcionalmente, por grupo ou janela temporal.

Usage

ac_sentiment(
  corpus,
  by = NULL,
  lexicon = c("oplexicon"),
  method = c("sum", "mean", "ratio"),
  ...
)

Arguments

corpus

Objeto ac_corpus.

by

Coluna(s) de agrupamento para agregar o sentimento além do documento (ex: "partido", "data"). Padrão: NULL (por documento).

lexicon

Léxico a usar. Atualmente apenas "oplexicon" (padrão).

method

Método de agregação por documento:

  • "sum" (padrão): soma das polaridades.

  • "mean": média das polaridades.

  • "ratio": razão entre positivos e negativos.

...

Ignorado.

Value

Tibble com colunas:

  • doc_id: identificador do documento;

  • Colunas de metadado (se by especificado);

  • n_pos: número de tokens positivos;

  • n_neg: número de tokens negativos;

  • n_neu: número de tokens neutros;

  • score: pontuação de sentimento (método escolhido);

  • sentiment: classificação ("positivo", "negativo", "neutro").

References

Souza, M.; Vieira, R. (2012). Sentiment Analysis on Twitter Data for Portuguese Language. PROPOR.

Souza, M.; Vieira, R.; Busetti, D.; Chishman, R.; Alves, I. M. (2011). Construction of a Portuguese Opinion Lexicon from multiple resources. STIL/SBC.

See also

ac_plot_sentiment()

Examples

df <- data.frame(
  id = c("a", "b", "c"),
  texto = c(
    "governo excelente otimo resultado positivo",
    "pessima gestao corrupta fracasso terrivel",
    "aprovada proposta reuniao assembleia"
  )
)
corpus <- ac_corpus(df, text = texto, docid = id)
ac_sentiment(corpus)
#> # A tibble: 3 × 6
#>   doc_id n_pos n_neg n_neu score sentiment
#>   <chr>  <int> <int> <int> <int> <chr>    
#> 1 a          2     0     3     2 positivo 
#> 2 b          0     1     4    -1 negativo 
#> 3 c          1     0     3     1 positivo