我正在对一组推文进行情感分析，现在我想知道如何向正面和负面词典中添加短语。
我已经读取了我想要测试的短语文件，但在运行情感分析时没有得到结果。
在阅读情感算法时，我可以看到它正在将单词与词典匹配，但有没有办法同时扫描单词和短语呢？
这是代码：
score.sentiment = function(sentences, pos.words, neg.words, .progress='none'){ require(plyr) require(stringr) # we got a vector of sentences. plyr will handle a list # or a vector as an "l" for us # we want a simple array ("a") of scores back, so we use # "l" + "a" + "ply" = "laply": scores = laply(sentences, function(sentence, pos.words, neg.words) { # clean up sentences with R's regex-driven global substitute, gsub(): sentence = gsub('[[:punct:]]', '', sentence) sentence = gsub('[[:cntrl:]]', '', sentence) sentence = gsub('\\d+', '', sentence) # and convert to lower case: sentence = tolower(sentence) # split into words. str_split is in the stringr package word.list = str_split(sentence, '\\s+') # sometimes a list() is one level of hierarchy too much words = unlist(word.list) # compare our words to the dictionaries of positive & negative terms pos.matches = match(words, pos) neg.matches = match(words, neg) # match() returns the position of the matched term or NA # we just want a TRUE/FALSE: pos.matches = !is.na(pos.matches) neg.matches = !is.na(neg.matches) # and conveniently enough, TRUE/FALSE will be treated as 1/0 by sum(): score = sum(pos.matches) - sum(neg.matches) return(score) }, pos.words, neg.words, .progress=.progress ) scores.df = data.frame(score=scores, text=sentences) return(scores.df) }analysis=score.sentiment(Tweets, pos, neg)table(analysis$score)这是我得到的结果：
020而我想要的是这个函数提供的标准表格，例如：
-2 -1 0 1 2 1 2 3 4 5 例如。
有没有人对如何在短语上运行这个有任何想法？注意：TWEETS 文件是一组句子。
回答：
函数 score.sentiment 似乎可以正常工作。如果我尝试一个非常简单的设置，
Tweets = c("this is good", "how bad it is")neg = c("bad")pos = c("good")analysis=score.sentiment(Tweets, pos, neg)table(analysis$score)我得到了预期的结果，
> table(analysis$score)-1 1 1 1 你是如何将20条推文输入到方法中的？从你发布的结果来看，即 0 20，我认为你的问题是你的20条推文中没有任何正面或负面的词，当然如果你有的话你会注意到这一点。也许如果你能提供更多关于你的推文列表、你的正面和负面词汇的细节，会更容易帮助你。
无论如何，你的函数似乎运行得很好。
希望这对你有帮助。
在评论中澄清后的编辑：
实际上，要解决你的问题，你需要将句子标记化为 n-grams，其中 n 对应于你用于正面和负面 n-grams 列表的最大单词数。你可以参考 这个 Stack Overflow 问题 了解如何操作。为了完整起见，并且因为我自己已经测试过，这里是一个你可以做的例子。我简化为 bigrams（n=2）并使用以下输入：
Tweets = c("rewarding hard work with raising taxes and VAT. #LabourManifesto", "Ed Miliband is offering 'wrong choice' of 'more cuts' in #LabourManifesto")pos = c("rewarding hard work")neg = c("wrong choice")你可以这样创建一个二元组标记器，
library(tm)library(RWeka)BigramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min=2,max=2))并测试它，
> BigramTokenizer("rewarding hard work with raising taxes and VAT. #LabourManifesto")[1] "rewarding hard" "hard work" "work with" [4] "with raising" "raising taxes" "taxes and" [7] "and VAT" "VAT #LabourManifesto"然后在你的方法中，你只需将这一行，
word.list = str_split(sentence, '\\s+')替换为这一行
word.list = BigramTokenizer(sentence)当然，最好是将 word.list 改为 ngram.list 或类似的名称。
结果如预期的那样，
> table(analysis$score)-1 0 1 1只要决定你的 n-gram 大小并将其添加到 Weka_control 中，你应该没问题了。
希望这对你有帮助。
