code.txt

library(tm)
library(wordcloud)
library(memoise)

stopwords <- c("в", "без", "до", "из", "к", "на", "по", "о", "от", "перед", "при", "через", "за", "над", "об", "под", "про", "для", "вблизи", "вглубь", "вдоль", "возле", "около", "вокруг", "впереди", "после", "посредством", "в роли", "в зависимости от", "путём", "насчёт", "по поводу", "ввиду", "по случаю", "в течение", "благодаря", "несмотря на", "спустя", "с ", "из-под", "из-за", "по-над", "в отличие от", "в связи", "как", "словно", "так как", "для того чтобы", "тоже", "зато", "чтобы", "также", "потому что", "и ", "а ", "что", "или", "но", "однако", "когда", "лишь", "едва", "где", "куда", "откуда", "столько", "настолько", "так", "до такой степени", "до того", "такой", "как будто", "будто", "точно", "как бы","если", "если бы", "коли", "ежели", "несмотря на то", "хотя", "хоть", "пускай", "дабы", "с тем чтобы", "так что", "ли", "не", "какой")

# The list of valid scenarios
scenarios <<- list("golosa" = "golosa",
"Jenwini protiv Muwin" = "Jenwini protiv Muwin",
"Mafia" = "mafia")

getTermMatrix <- memoise(function(scenario) {

if (!(scenario %in% scenarios))
stop("Unknown scenario")

text <- readLines(sprintf("C:/Users/home/Desktop/cinemarketing/%s.txt", scenario),
encoding="UTF-8")

myCorpus = Corpus(VectorSource(text))
myCorpus = tm_map(myCorpus, content_transformer(tolower))
myCorpus = tm_map(myCorpus, removePunctuation(enc2utf8(text)))
myCorpus = tm_map(myCorpus, removeNumbers)
myCorpus = tm_map(myCorpus, removeWords (enc2utf8(text), stopwords))

myDTM = TermDocumentMatrix(myCorpus,
control = list(minWordLength = 1))

m = as.matrix(myDTM)

sort(rowSums(m), decreasing = TRUE)
})



clean_text <- function(doc) {
# подгружаем пакеты
require(stringr)
require(tm)
# задаем список служебных слов
stopwords <- c("в", "без", "до", "из", "к", "на", "по", "о", "от", "перед", "при", "через", "за", "над", "об", "под", "про", "для", "вблизи", "вглубь", "вдоль", "возле", "около", "вокруг", "впереди", "после", "посредством", "в роли", "в зависимости от", "путём", "насчёт", "по поводу", "ввиду", "по случаю", "в течение", "благодаря", "несмотря на", "спустя", "с ", "из-под", "из-за", "по-над", "в отличие от", "в связи", "как", "словно", "так как", "для того чтобы", "тоже", "зато", "чтобы", "также", "потому что", "и ", "а ", "что", "или", "но", "однако", "когда", "лишь", "едва", "где", "куда", "откуда", "столько", "настолько", "так", "до такой степени", "до того", "такой", "как будто", "будто", "точно", "как бы","если", "если бы", "коли", "ежели", "несмотря на то", "хотя", "хоть", "пускай", "дабы", "с тем чтобы", "так что", "ли", "не", "какой")
doc <- tolower(doc) # приводим все к одному регистру
doc <- enc2utf8(doc) # меняем кодировку
doc <- removeWords(doc, stopwords) # удаляем служебные слова, плохо работает с кириллицей в CP1251
doc <- removePunctuation(doc) # удаляем знаки пунктуации, плохо работает с кириллицей в CP1251
doc <- str_replace_all(doc, "\\s+", " ") # удаляем лишние пробелы
doc <- str_trim(doc, side = "both") # удаляем пробелы в начале и в конце строки
doc
}

clean_text(scenarios)

library(wordcloud)
wordcloud(scenario, random.order=F, max.words=80, 
colors=brewer.pal(6,"Oranges"))


#счет по паспортичке
# ограничение: 0, 6, 12, 16, 18


sex = scan('C:/Users/home/Desktop/erotica.txt', what='character', comment.char=';')

violonce = scan('C:/Users/home/Desktop/gest.txt', what='character', comment.char=';')

drugs =  scan('C:/Users/home/Desktop/narkotaalcosigi.txt', what='character', comment.char=';')


#мачим

sentence = gsub('[[:punct:]]', '', sentence)
sentence = gsub('[[:cntrl:]]', '', sentence)
sentence = gsub('\\d+', '', sentence)
sentence = tolower(sentence)


word.list = str_split(sentence, '\\s+')
words = unlist(word.list)

sex.matches = match(words, sex)
violonce.matches = match(words, violonce)
drugs.matches = match(drugs, violonce)

#по сцен

sex.matches = match([scenario], sex)
violonce.matches = match([scenario], violonce)
drugs.matches = match([scenario], violonce)

?sex.matches
?violonce.matches
?drugs.matches

#выводим хист
hist(sex.matches)







#сентимент не сентимент

#1 способ

golosa <- readLines(sprintf("C:/Users/home/Desktop/cinemarketing/golosa.txt"),
encoding="UTF-8")

clean_text <- function(doc) {
# подгружаем пакеты
require(stringr)
require(tm)
# задаем список служебных слов
stopwords <- c("в", "без", "до", "из", "к", "на", "по", "о", "от", "перед", "при", "через", "за", "над", "об", "под", "про", "для", "вблизи", "вглубь", "вдоль", "возле", "около", "вокруг", "впереди", "после", "посредством", "в роли", "в зависимости от", "путём", "насчёт", "по поводу", "ввиду", "по случаю", "в течение", "благодаря", "несмотря на", "спустя", "с ", "из-под", "из-за", "по-над", "в отличие от", "в связи", "как", "словно", "так как", "для того чтобы", "тоже", "зато", "чтобы", "также", "потому что", "и ", "а ", "что", "или", "но", "однако", "когда", "лишь", "едва", "где", "куда", "откуда", "столько", "настолько", "так", "до такой степени", "до того", "такой", "как будто", "будто", "точно", "как бы","если", "если бы", "коли", "ежели", "несмотря на то", "хотя", "хоть", "пускай", "дабы", "с тем чтобы", "так что", "ли", "не", "какой")
doc <- tolower(doc) # приводим все к одному регистру
doc <- enc2utf8(doc) # меняем кодировку
doc <- removeWords(doc, stopwords) # удаляем служебные слова, плохо работает с кириллицей в CP1251
doc <- removePunctuation(doc) # удаляем знаки пунктуации, плохо работает с кириллицей в CP1251
doc <- str_replace_all(doc, "\\s+", " ") # удаляем лишние пробелы
doc <- str_trim(doc, side = "both") # удаляем пробелы в начале и в конце строки
doc
}

clean_text(golosa)


library(wordcloud)
wordcloud(golosa, random.order=F, max.words=80, 
colors=brewer.pal(6,"Oranges"))




# 2 способ


golosa2 <- readLines(sprintf("C:/Users/home/Desktop/cinemarketing/golosa.txt"),
encoding="UTF-8")

myCorpus = Corpus(VectorSource(golosa2))
myCorpus = tm_map(myCorpus, content_transformer(tolower))
myCorpus = tm_map(myCorpus, removePunctuation(enc2utf8(golosa2)))
myCorpus = tm_map(myCorpus, removeNumbers)
myCorpus = tm_map(myCorpus, removeWords (enc2utf8(text), stopwords))

myDTM = TermDocumentMatrix(myCorpus,
control = list(minWordLength = 1))

m = as.matrix(myDTM)

sort(rowSums(m), decreasing = TRUE)

library(wordcloud)
wordcloud(golosa2, random.order=F, max.words=80, 
colors=brewer.pal(8,"Dark2"))



#тональность


install.packages("stringr")
library("stringr")

install.packages("plyr")
library(plyr)

library(stringr)

pos.words = scan('C:/Users/home/Desktop/cinemarketing/positive.txt', what='character', comment.char=';')

neg.words = scan('C:/Users/home/Desktop/cinemarketing/negative.txt', what='character', comment.char=';')

score.sentiment = function(sentences, pos.words, neg.words, .progress='none')




{
require(plyr)
require(stringr)

# we got a vector of sentences. plyr will handle a list or a vector as an "l" for us
# we want a simple array of scores back, so we use "l" + "a" + "ply" = laply:
scores = laply(sentences, function(sentence, pos.words, neg.words) {

# clean up sentences with R's regex-driven global substitute, gsub():
sentence = gsub('[[:punct:]]', '', sentence)
sentence = gsub('[[:cntrl:]]', '', sentence)
sentence = gsub('\\d+', '', sentence)
# and convert to lower case:
sentence = tolower(sentence)

# split into words. str_split is in the stringr package
word.list = str_split(sentence, '\\s+')
# sometimes a list() is one level of hierarchy too much
words = unlist(word.list)



# compare our words to the dictionaries of positive & negative terms
pos.matches = match(words, pos.words)
neg.matches = match(words, neg.words)

# match() returns the position of the matched term or NA
# we just want a TRUE/FALSE:
pos.matches = !is.na(pos.matches)
neg.matches = !is.na(neg.matches)

# and conveniently enough, TRUE/FALSE will be treated as 1/0 by sum():
score = sum(pos.matches) - sum(neg.matches)

return(score)
}, pos.words, neg.words, .progress=.progress )

scores.df = data.frame(score=scores, text=sentences)
return(scores.df)
}

analysis = score.sentiment(golosa2, pos.words, neg.words) 
table(analysis$score)


mean(analysis$score)
#0.002


hist(analysis$score)






#счет по жанру РАБОТАЮ НАД ЭТИМ


sad = scan('C:/Users/home/Desktop/cinemarketing/sad.txt', what='character', comment.char=';')

fun = scan('C:/Users/home/Desktop/cinemarketing/fun.txt', what='character', comment.char=';')

score = function(sentences, sad, fun, .progress='none')



analysis = score (golosa2, pos.words, neg.words) 
table(analysis$score)

hist(analysis$score)