Создайте маркируемый документ.

str = [
    "The book was VERY good!!!!"
    "The book was terrible."];
documents = tokenizedDocument(str); 

Оцените чувство маркируемых документов. Счет 1 указывает на положительное чувство, счет-1 указывает на отрицательное чувство, и счет 0 указывает на нейтральное чувство.

compoundScores = ratioSentimentScores(documents)

compoundScores = 2×1

     1
    -1

Алгоритмы анализа мнений используют аннотируемые списки названных словарей чувства слов. Например, ratioSentimentScores функционируйте использует словарь чувства со словами, аннотируемыми счетом чувства в пределах от-1 к 1, где баллы близко к 1 указывают на сильное положительное чувство, баллы близко к-1 указывают на сильное отрицательное чувство, и баллы близко к нулю указывают на нейтральное чувство.

Если словарь чувства используется ratioSentimentScores функция не удовлетворяет данным, которые вы анализируете, например, если у вас есть проблемно-ориентированный набор данных как медицинские или технические данные, затем можно использовать собственный словарь чувства. Для примера, показывающего, как сгенерировать зависящий от домена словарь чувства, смотрите, Генерируют Зависящий от домена Словарь Чувства.

Создайте маркируемый массив документа, содержащий текстовые данные, чтобы анализировать.

textData = [ 
    "This company is showing extremely strong growth."
    "This other company is accused of misleading consumers."];
documents = tokenizedDocument(textData);

Загрузите пример зависящий от домена словарь для финансовых данных.

filename = "financeSentimentLexicon.csv";
tbl = readtable(filename);
head(tbl)

ans=8×2 table
         Token         SentimentScore
    _______________    ______________

    {'innovative' }             1    
    {'efficiency' }       0.91852    
    {'strong'     }       0.82362    
    {'efficiently'}       0.81475    
    {'creative'   }       0.74264    
    {'enhance'    }       0.73791    
    {'innovations'}       0.72985    
    {'improved'   }       0.71476    

Оцените чувство с помощью ratioSentimentScores функционируйте и задайте пользовательский словарь чувства с помощью 'SentimentLexicon' опция. Счет 1 указывает на положительное чувство, счет-1 указывает на отрицательное чувство, и счет 0 указывает на нейтральное чувство.

compoundScores = ratioSentimentScores(documents,'SentimentLexicon',tbl)

compoundScores = 2×1

     1
    -1