https://github.com/7PartidasDigital/AnalisisTextual
Todo lo accesorio y entorno al proyecto sobre Análisis de textos con R
https://github.com/7PartidasDigital/AnalisisTextual
r sentimentanalysis stylometry textualanalysis topicmodelling
Last synced: 11 months ago
JSON representation
Todo lo accesorio y entorno al proyecto sobre Análisis de textos con R
- Host: GitHub
- URL: https://github.com/7PartidasDigital/AnalisisTextual
- Owner: 7PartidasDigital
- Created: 2017-11-25T19:06:24.000Z (over 8 years ago)
- Default Branch: master
- Last Pushed: 2024-12-27T10:16:04.000Z (over 1 year ago)
- Last Synced: 2024-12-27T11:18:59.259Z (over 1 year ago)
- Topics: r, sentimentanalysis, stylometry, textualanalysis, topicmodelling
- Language: R
- Homepage:
- Size: 15.7 MB
- Stars: 5
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
[](https://doi.org/10.5281/zenodo.1195652)
# Análisis Textual
En este repositorio se incluyen todos los materiales y scripts que se desarrollen referentes al **Análisis Textual** (minería de textos, estilometría, análisis de sentimientos, PLN, etc.) que sean colaterales al proyecto base y que se utlizan tanto para trabajo interno como para cursos y talleres.
En *MdT* están los materiales usados para analizar los diálogos del _Ministerio del tiempo_. Consisten en una tabla bajo formato .txt separada por tabs con cinco columnas. La primera indica la temporada, la segunda el episodio (de manera correlativa de 1 a 34), la tercera el título del episodio, la cuarta el nombre del personaje y la quinta el texto de pronuncia el personaje. El otro es una tabla excel con algunas estadística básicas y datos de audiencia sobre la serie.
En *Scripts* están todos los pequeños scripts de R que se emplean para las diversas tareas colaterales del proyecto y de otras investigaciones sobre lectura a distancia, estilometría, análisis textual automatizado, etc.
En *textos* están todos los textos necesarios para la enseñanza y experimentación de _Análisis textual con R_.
*vacias* contiene los ficheros planos de varios orígenes que recogen listas de palabras vacías (_stopwords_) y con el que se construye el `dataset vacias_esp` que se utiliza en los scripts necesarios.
*lexicones* contiene los lexicones que se han preparado para el análisis de sentimientos, tanto para realizarlo con el paquete _tidytext_ como con _syuzhet_. La carpeta _tidytext_ contiene la tabla con todos los diccionarios en español. Se ha mantenido la estructura "palabra" "sentimiento" "lexicon" "valor" de la dataframe original del paquete _tidytext_. Se ha eliminado el lexicon `loughran` y se han incorporado dos nuevos: `syuzhet`, que es una traducción adaptada del `syuzhet_dict` de ML Jockers y otro designado `uva` que se basa en todos los demás pero con positivo y negativo. En esa misma carpeta se encuentra la función `get_sentiments` ligeramente reescrita para puentear la función `get_sentiments` del paquete `tidytext` original.
Se ha añadido un nuevo lexicón cuya base es el listado de los tokens de CREA. Se ha limpiado de cifras absurdas (códigos extraños) y algunas erratas debidas al OCR, pero persisten errores (eso incluye faltas de ortografía de los originales utilizados por la RAE, pero cuya frecuencia es mínima. Consiste en trews columnas separadas por tabuladores. La primera columna `palabra` contiene el _token_, la segunda columna, `total_n` es la frcuencia absoluta de dicha forma en el CREA y la tercera, `relativa` ofrce la frecuencia relativa.
En la carpeta _syuzhet_ se encuentran los diccionarios `bing_es`, `afinn_es`, `syuzhet_es` y `uva_es` para que puedan ser cargados como diccionarios `custom` en el paquete `syuzhet`.
*Aviso*: el lexicón `bing` está siendo objeto de una revisión, por lo que es previsible que un futuro cercano (finales verano 2018) haya una nueva versión.