Última Atualização: 01-07-2021
No CRAN do R, existe um pacote arquivado denominado sentiment, no qual é possível baixar e fazer uma análise de sentimento em Inglês. Então, inspirado nesse pacote, foram replicadas as funções existentes, entretanto adicionando o dicionário da língua portuguesa, mais precisamente do Brasil.
Este é um pacote inicial com o intuito de juntar as funções e dicionários cada vez mais em português para que seja possível realizar uma Análise de Sentimento cada vez mais eficiente e com boa confiabilidade.
Foi mantido o nome do pacote e o nome do pimeiro autor nas partes dos códigos que foram replicados nesse pacote. Foi adicionado o BR de Brasil no fim do nome para dar ênfase ao sentido de replicar as funções para utilizar na língua portuguesa. É importante deixar claro, que também é possível utilizar as funções na língua inglesa, como existe no pacote original arquivado.
# Instalação utilizando o pacote devtools
install.packages("devtools")
# Instalação do pacote de dependência
# Faz o download do pacote aqui do repositório pelo link:
# https://github.com/Jodavid/sentimentBR/blob/main/Rstem_0.4-1.tar.gz
# e instala como pacote local substituindo XXX pelo local do arquivo
install.packages("XXX/Rstem_0.4-1.tar.gz", repos = NULL, type = "source")
# Instação do pacote sentimentBR
devtools::install_github("jodavid/sentimentBR")# Pacote
library(sentimentBR)
# Texto a ser classficado
documento <- c("A alegria que se tem em pensar e aprender faz-nos pensar e aprender ainda mais.",
"Um pouco de desprezo economiza bastante ódio.",
"Não crie limites para si mesmo. Você deve ir tão longe quanto sua mente permitir. O que você mais quer pode ser conquistado.",
"Pessoas vencedoras não são aquelas que não falham, são aquelas que não desistem")
# Classificando Emoções
classify_emotion(documento,algorithm="bayes",verbose=FALSE, lang = "pt")
#> RAIVA DESGOSTO MEDO
#> [1,] "9.6244348067824" "2.61502587407376" "17.0176979015462"
#> [2,] "16.953528543029" "9.6244348067824" "17.0176979015462"
#> [3,] "16.953528543029" "2.61502587407376" "9.6244348067824"
#> [4,] "2.29534107053581" "2.61502587407376" "2.23117171201856"
#> ALEGRIA TRISTEZA SURPRESA
#> [1,] "23.7177293624799" "16.8636497805622" "16.0460570745889"
#> [2,] "9.6244348067824" "9.6244348067824" "9.6244348067824"
#> [3,] "16.6710820846312" "24.102864754342" "9.6244348067824"
#> [4,] "9.6244348067824" "2.3852198330026" "3.20281253897588"
#> CONFIANÇA POSITIVA NEGATIVA
#> [1,] "16.7400169329669" "17.3703030365747" "9.6244348067824"
#> [2,] "2.50885268059795" "1.87856657699013" "17.7333589627577"
#> [3,] "9.6244348067824" "17.3703030365747" "25.8422831187331"
#> [4,] "2.50885268059795" "1.87856657699013" "9.6244348067824"
#> ANTECIPAÇÃO BEST_FIT
#> [1,] "23.0888562197168" "alegria"
#> [2,] "9.6244348067824" "negativa"
#> [3,] "36.5532776326512" "antecipação"
#> [4,] "9.6244348067824" "alegria"
# Classificando Polaridade
classify_polarity(documento,algorithm="bayes",verbose=FALSE, lang = "pt")
#> POS NEG POS/NEG BEST_FIT
#> [1,] "9.47547003995745" "0.445453222112551" "21.2715265477714" "positive"
#> [2,] "9.47547003995745" "27.5355036756473" "0.344118275502535" "negative"
#> [3,] "17.2265151579293" "8.78232285939751" "1.96149873259283" "neutral"
#> [4,] "9.47547003995745" "0.445453222112551" "21.2715265477714" "positive"-
05.06.2021: Primeiro envio com as funções iniciais.
-
12.06.2021: Aumento do dicionário para emoções e inclusão de quatro novas classes de classificação.
-
01.07.2021: Adicionado a instalação do pacote de dependência Rstem.
Um post iniciando com Scraping e concluíndo com alguns gráficos para análisar os sentimentos de textos pode ser encontrado no meu blog: https://jodavid.github.io/post/