-
Notifications
You must be signed in to change notification settings - Fork 0
/
code.txt
251 lines (153 loc) · 10.5 KB
/
code.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
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)