ANEW 字典可以用于 quanteda 中的情感分析吗？

Question

我正在尝试找到一种方法来实施英语单词（荷兰语）的情感规范，以便使用 Quanteda 进行纵向情感分析。我最终想要的是每年的“平均情绪”，以显示任何纵向趋势。

在数据集中，所有单词 a 由 64 位编码员在四个类别中以 7 点李克特量表评分，这为每个单词提供了一个平均值。我想做的是取其中一个维度，并用它来分析情绪随时间的变化。我意识到 Quanteda 具有实现 LIWC 字典的功能，但如果可能的话，我更喜欢使用开源 ANEW-data。

基本上，我在实施方面需要帮助，因为我是编码和 R 的新手

ANEW 文件看起来像这样（在 .csv 中）：

单词/分数：癌症：1.01，土豆：3.56，爱情：6.56

Answer 1

还没有，直接，但是... ANEW 与其他字典不同，因为它不使用键：值对格式，而是为每个术语分配一个数字分数。这意味着您不是针对某个键计算值的匹配项，而是选择特征，然后使用加权计数对它们进行评分。

这可以通过以下方式在 quanteda 中完成：

1. 将 ANEW 特征添加到字符向量中。

2. 使用 dfm(yourtext, select = ANEWfeatures) 创建仅具有 ANEW 功能的 dfm。

3. 将每个计数值乘以每个 ANEW 值的化合价，按列循环，以便每个特征计数乘以其 ANEW 值。

4. 在加权矩阵上使用rowSums() 以获得文档级效价分数。

或者，

5. 提交issue，我们会将此功能添加到quanteda。

还请注意，tidytext 使用 ANEW 进行情绪评分，如果您想将 dfm 转换为他们的对象并使用该方法（这基本上是我上面建议的一个版本）。

更新：

原来我已经在 quanteda 中构建了您需要的功能，只是没有意识到！

这会奏效。首先，加载 ANEW 字典。 （您必须自己提供 ANEW 文件。）

# read in the ANEW data
df_anew <- read.delim("ANEW2010All.txt", stringsAsFactors = FALSE)
# construct a vector of weights with the term as the name
vector_anew <- df_anew$ValMn
names(vector_anew) <- df_anew$Word

现在我们有了一个命名的权重向量，我们可以使用dfm_weight() 应用它。下面，我首先按相对频率对 dfm 进行了归一化，以便文档总分不依赖于令牌中的文档长度。如果您不想这样，只需删除下面指示的行。

library("quanteda")
dfm_anew <- dfm(data_corpus_inaugural, select = df_anew$Word)

# weight by the ANEW weights
dfm_anew_weighted <- dfm_anew %>%
    dfm_weight(scheme = "prop") %>%   # remove if you don't want normalized scores
    dfm_weight(weights = vector_anew)
## Warning message:
## dfm_weight(): ignoring 1,427 unmatched weight features 

tail(dfm_anew_weighted)[, c("life", "day", "time")]
## Document-feature matrix of: 6 documents, 3 features (5.56% sparse).
## 6 x 3 sparse Matrix of class "dfm"
##               features
## docs                 life        day       time
##   1997-Clinton 0.07393220 0.06772881 0.21600000
##   2001-Bush    0.10004587 0.06110092 0.09743119
##   2005-Bush    0.09380645 0.12890323 0.11990323
##   2009-Obama   0.06669725 0.10183486 0.09743119
##   2013-Obama   0.08047970 0          0.19594096
##   2017-Trump   0.06826291 0.12507042 0.04985915

# total scores
tail(rowSums(dfm_anew_weighted))
## 1997-Clinton    2001-Bush    2005-Bush   2009-Obama   2013-Obama   2017-Trump 
##     5.942169     6.071918     6.300318     5.827410     6.050216     6.223944