감정분석 #3 감정 범주별 빈도 구하기

# 감정 범주별 단어 빈도 구하기

#1  토큰화 하고 두글자 이상 한글 단어만 남기기

comment <- score_comment %>%   unnest_tokens(input = reply,                  output = word,                 token = "words",                 drop = F) %>%   filter(str_detect(word, "[가-힣]") &             str_count(word) >= 2)

• input = reply : 단어 기준 토큰화
• str_detect(word, "[가-힣]") : 한글 추출
• str_count(word) >= 2) : 두 글자 이상 추출

 

 

#2 감정 및 단어별 빈도 구하기

frequency_word <- comment %>%   filter(str_count(word) >= 2) %>%   count(sentiment, word, sort = T) frequency_word # # A tibble: 6,318 x 3 #  sentiment word           n #  <chr>     <chr>      <int> # 1 pos       진짜          90 # 2 neu       진짜          79 # 3 pos       자랑스럽다    77 # 4 pos       너무          70 # 5 neu       빌보드        66 # 6 pos       정말          57 # 7 neu       군면제        48 # 8 neu       방탄소년단    48 # 9 neu       축하해요      45 # 10 neu       정말          42 # # ... with 6,308 more rows

 

긍정댓글 고빈도

frequency_word %>% filter(sentiment=="pos") # sentiment word           n # <chr>     <chr>      <int> # 1 pos       진짜          90 # 2 pos       자랑스럽다    77 # 3 pos       너무          70 # 4 pos       정말          57 # 5 pos       빌보드        40 # 6 pos       방탄          39 # 7 pos       방탄소년단    39 # 8 pos       축하해        36 # 9 pos       대단하다      29 # 10 pos       좋은          21 # # ... with 2,163 more rows

부정댓글 고빈도

frequency_word %>% filter(sentiment=="neg") # # A tibble: 1,091 x 3 # sentiment word           n # <chr>     <chr>      <int> # 1 neg       진짜          20 # 2 neg       빌보드        15 # 3 neg       너무          14 # 4 neg       방탄소년단    13 # 5 neg       축하해        11 # 6 neg       방탄           8 # 7 neg       축하해요       8 # 8 neg       핫백           7 # 9 neg       힘든           7 # 10 neg       군면제         6 # # ... with 1,081 more rows

 

 

#2-1 상대적으로 자주 사용된 단어 비교하기

(1) 오즈비 구하기

comment_wide <- frequency_word %>%   filter(sentiment != "neu") %>%   pivot_wider(names_from = sentiment,               values_from = n,               values_fill = list(n = 0)) comment_wide             # wide form 으로 변환 # # A tibble: 3,009 x 3 # word         pos   neg # <chr>      <int> <int> #   1 진짜          90    20 # 2 자랑스럽다    77     0 # 3 너무          70    14 # 4 정말          57     5 # 5 빌보드        40    15 # 6 방탄          39     8 # 7 방탄소년단    39    13 # 8 축하해        36    11 # 9 대단하다      29     0 # 10 좋은          21     0 # # ... with 2,999 more rows

 

(2) 로그 오즈비 구하기

comment_wide <- comment_wide %>%   mutate(log_odds_ratio = log(((pos + 1) / (sum(pos + 1))) /                                 ((neg + 1) / (sum(neg + 1))))) comment_wide # # A tibble: 3,009 x 4 #  word         pos   neg log_odds_ratio #  <chr>       <int> <int>          <dbl> # 1 진짜          90    20          1.05  # 2 자랑스럽다    77     0          3.94  # 3 너무          70    14          1.14  # 4 정말          57     5          1.85  # 5 빌보드        40    15          0.526 # 6 방탄          39     8          1.08  # 7 방탄소년단    39    13          0.635 # 8 축하해        36    11          0.711 # 9 대단하다      29     0          2.99  # 10 좋은          21     0          2.68  # # ... with 2,999 more rows

 

 

(3) 로그 오즈비가 가장 큰 단어 10개씩 추출하기

top10 <- comment_wide %>%   group_by(sentiment = ifelse(log_odds_ratio > 0, "pos", "neg")) %>%   slice_max(abs(log_odds_ratio), n = 10, with_ties = F) top10 # # A tibble: 20 x 5 # # Groups:   sentiment [2] #  word         pos   neg log_odds_ratio sentiment #  <chr>       <int> <int>          <dbl> <chr>     # 1 국내           0     5          -2.21 neg       # 2 모르는         0     4          -2.02 neg       # 3 없어서         0     4          -2.02 neg       # 4 있다           0     4          -2.02 neg       # 5 널리           0     3          -1.80 neg       # 6 독도           0     3          -1.80 neg       # 7 보다           0     3          -1.80 neg       # 8 아니다         0     3          -1.80 neg       # 9 없다           0     3          -1.80 neg       # 10 케이팝         0     3          -1.80 neg       # 11 자랑스럽다    77     0           3.94 pos       # 12 대단하다      29     0           2.99 pos       # 13 좋은          21     0           2.68 pos       # 14 대단하고      20     0           2.63 pos       # 15 대단한        17     0           2.48 pos       # 16 사랑해        15     0           2.36 pos       # 17 멋지다        14     0           2.29 pos       # 18 축하          14     0           2.29 pos       # 19 열심히        10     0           1.98 pos       # 20 인정          10     0           1.98 pos

 

 

 

#3 막대그래프 만들기

ggplot(top10, aes(x = reorder(word, log_odds_ratio),                  y = log_odds_ratio,                  fill = sentiment)) +   geom_col() +   coord_flip() +   labs(x = NULL) +   theme(text = element_text(family = "nanumgothic"))