텍스트 & 감정분석 예제 TEST(9)

제공된 데이터에서 빈도수가 2회 이상 단어를 이용하여 단어 구름으로 시각화 하시오

 

(1) 텍스트 데이터 가져오기

Zelenskydata <- file("C:/젤렌스키_연설문_20220219.txt", encoding = "UTF-8") zelensky <- readLines(Zelenskydata) head(zelensky)

 

 

 

(2) 추출된 단어 대상 전처리

(2-1) 필요한 라이브러리 

library(multilinguer) library(KoNLP) useNIADic() library(tm) library(wordcloud)

 

(2-2) 단어 추출을 위한 사용자 함수 정의하기 &  단어추출

exNouns <- function(x) {paste(extractNoun(as.character(x)), collapse = " ") } zelensky_nouns <- sapply(zelensky, exNouns)

 

(2-3) 추출된 단어 대상으로 전처리하기

# 추출된 단어 이용하여 corpus 생성 zelcorpus <- Corpus(VectorSource(zelensky_nouns)) # 데이터 전처리 zelcorpusPrepro <- tm_map(zelcorpus, removePunctuation) # 문장부호 제거 zelcorpusPrepro <- tm_map(zelcorpusPrepro, removeNumbers) # 수치제거 zelcorpusPrepro <- tm_map(zelcorpusPrepro, tolower) # 소문자변경 zelcorpusPrepro <- tm_map(zelcorpusPrepro, removeWords, stopwords('english')) # 불용어제거 # 전처리 결과 확인 inspect(zelcorpusPrepro[1:5])

 

 

(2-4) 단어 선별

# 전처리된 결과에서 1~8음절 단어 선정 zelcorpusPrepro_term <-   TermDocumentMatrix(zelcorpusPrepro,                       control = list(wordLengths = c(2, 16))) # matrix 자료구조 -> data.frame 자료구조로 변경 zelTerm_df <- as.data.frame(as.matrix(zelcorpusPrepro_term))

 

 

(3) 단어 출현 빈도수 산출

wordfrequency <- sort(rowSums(zelTerm_df), decreasing = TRUE) frequency_word <- comment %>%   filter(str_count(word) >= 2) %>%   count(sentiment, word, sort = T) wordfrequency[1:10]

 

 

(4)  단어 구름에 디자인 적용 (wordcloud2 패키지 사용)

wordname <- names(wordfrequency) word.df <- data.frame(word = wordname, freq = wordfrequency) pal <- brewer.pal(8,"Dark2")

 

(5) wordcloud2 패키지 사용하여 워드클라우드 결과 제출

install.packages("wordcloud2") library(wordcloud2) wordcloud2(word.df)

 

 

 

 다음 텍스트를 대상으로 감성분석을 실시하시오.

Itaewon_text1.txt

0.00MB

 

 

(1) 단어별로 token화 하시오

1. 파일불러오기

Itaewon_file <- file("C:/Itaewon_text1.txt", encoding = "UTF-8") Itaewon_text <- readLines(Itaewon_file) Itaewon_text

 

2. 구조확인 후 티블 구조로 변환

str(Itaewon_text) Itaewon_text <- as_tibble(Itaewon_text)  Itaewon_text

 

3. 필요한 패키지 및 라이브러리

# install.packages("textclean") library(textclean) # install.packages("tidytext") library(tidytext) library(dplyr) library(readr) library(stringr) library(tidyr)

 

4. 단어별로 토큰화

Itaewon_word <-  Itaewon_text %>%   unnest_tokens(input = value,                  output = word,                  token = "words")  Itaewon_word # # A tibble: 51 x 1 # word       #       #   1 시민들은   # 2 국가가     # 3 참사를     # 4 방치했다고 # 5 입을       # 6 모았다     # 7 집회       # 8 시작       # 9 30         # 10 분         # # ... with 41 more rows

 

 

 

 

(2) 문장별 감성점수를 산출하시오.

 

 

 

1. 파일불러오기

Itaewon_file <- file("C:/Itaewon_text1.txt", encoding = "UTF-8") Itaewon_text <- readLines(Itaewon_file) Itaewon_text

 

2. 구조확인 후 티블 구조로 변환

str(Itaewon_text) Itaewon_text <- as_tibble(Itaewon_text)  Itaewon_text

 

3. 필요한 패키지 및 라이브러리

# install.packages("textclean") library(textclean) # install.packages("tidytext") library(tidytext) library(dplyr) library(readr) library(stringr) library(tidyr)

 

 

4. 문장기준 토큰화

Itaewon_text <- Itaewon_text %>%   unnest_tokens(input = value,                  output = sentences,                  token = "sentences")  Itaewon_text Itaewon_df <- Itaewon_text %>%   unnest_tokens(input = sentences,                 output = word,                 token = "words",                 drop = F) Itaewon_df

 

5. 문장별 감정점수 부여

Itaewon_df <- Itaewon_df %>%   left_join(dic, by = "word") %>%   mutate(polarity = ifelse(is.na(polarity), 0, polarity)) Itaewon_df Itaewon_score <- Itaewon_df %>%   group_by(sentences) %>%   summarise(score = sum(polarity)) Itaewon_score # # A tibble: 3 x 2 # sentences                                                                                                                 score # <chr>                                                                                                                        <dbl> # 1 20대 아들을 키우는 입장에서 이 참사를 보고 가만히 있을 수 없었다”며 “안~         -1 # 2 시민들은 국가가 참사를 방치했다고 입을 모았다.                                                    0 # 3 집회 시작 30분 전부터 눈물을 흘리고 있던 이용신씨(55)는 “세월호에 이어 또~     0