情感分析，就是根据一段文本，分析其表达情感的技术。比较简单的情感分析，能够辨别文本内容是积极的还是消极的（褒义/贬义）；比较复杂的情感分析，能够知道这些文字是否流露出恐惧、生气、狂喜等细致入微的情感。此外，情感的二元特性还可以表达为是否含有较大的感情波动。也就是说，狂喜和暴怒都属于感情波动，而宠辱不惊则属于稳定的情感状态。
研究目的
本文基于R语言的自然语言处理技术，针对企业的财务信息、产品质量等文本信息，帮助客户对企业和产品进行情感分析和情感分类，并将这些数据可视化呈现。本文选择了A股上市公司相关数据，通过构建R语言的文本情感分析模型对文本情感进行分析，并以此为基础对企业进行情感分类。 附件说明：其中基础词典是要通过文本挖掘的结果扩展的词典了，也是研究的主要目的（分词的时候可以用到）；
语料库资源是要进行文本挖掘的数据源。
研究的目的就是在文本分析结果的基础上扩展用户词典，这些需要在文本挖掘的基础上进行扩展。其中语料库一共是10个文件，需要的是一个文件出一个结果。最后是要对比这10个文件的。还有就是语料库是pdf格式。
出现的结果应该是类似这种的：
中文财务关键词 |
05年 |
06年 |
07年 |
08年 |
负面词 |
184 |
107 |
|
|
正面词 |
48 |
66 |
|
|
不确定词 |
22 |
19 |
|
|
诉权词 |
57 |
31 |
|
读取词库数据
Litigious=read.table("Litigious Words.txt")
Strong=read.table("Modal Words Strong.txt")
Weak=read.table("Modal Words Weak .txt")
Positive=read.table("Positive Words.txt")
Uncertainty=read.table("Uncertainty Words.txt")
Negative=read.table("Negative Words .txt")文本清理和分词
qrxdata=gsub("\n","",qrxdata)
words= lapply(X=qrxdata, FUN=segmentCN) ;初始化统计结果
x=words
pwords=positive
nwords=negative
Litigious=Litigious
Strong=Strong
Weak=Weak
Uncertainty=Uncertainty
npwords=0
nnwords=0
nLitigious=0
nStrong=0
nWeak=0
nUncertainty=0
emotionType <-numeric(0)
xLen <-length(x)
emotionType[1:xLen]<- 0
index <- 1词法分析
词法分析。它的原理非常简单，事前需要定义一个情感词典。比如“喜欢”这个词我们定义为1分。那么“我喜欢你”这句话，“我”和“你”都是中性词，均为0分，“喜欢”为1分，这句话的总分就是1分。“我喜欢你，但讨厌他”，这样一句话中有“讨厌”这个词，在情感词典中分数为“-1”，那么整句话的得分就是0。这样，我们就可以对每一个文本进行分词，然后使用内连接（inner join）来提取其中的情感词语，并根据情感词语的得分，来评估这段文本的情感得分。
for(index in 1: xLen){
x[[index]]=unique(x[[index]])
yLen <-length(x[[index]])
index2 <- 1
for(index2 in 1 :yLen){
if(length(pwords[pwords==x[[index]][index2]]) >= 1){
i=pwords[pwords==x[[index]][index2]]
npwords=npwords+length(pwords[pwords==x[[index]][index2]])
if(length(i)==0)next;
duanluo=substr(qrxdata[index],regexpr(i,qrxdata[index])[1]-20,regexpr(i,qrxdata[index])[1]+20)
if(regexpr(i,duanluo)[1]<0 )next;
cat(studentID,"\t",i," \t","DOC",index,"\t ","pos"," \t",duanluo," \t",length(pwords[pwords==x[[index]][index2]])/length(x[[index]])," \按年份和词性分类汇总成表格
1=data.frame("正面词"=npwords,"负面词"=nnwords,"不确定词"=nUncertainty,"诉权词"=nLitigious,
"强语气词"=nStrong,"弱语气词"=nWeak)
=rbind(,1)
ggplot可视化
将每个文档的词性输出，并按照词性和年份绘制变化趋势：
