Создание маркированного документа.

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

Оцените настроение токенизированных документов. Оценка 1 указывает на положительные настроения, оценка -1 - на отрицательные настроения, а оценка 0 - на нейтральные настроения.

compoundScores = ratioSentimentScores(documents)

compoundScores = 2×1

     1
    -1

Алгоритмы анализа настроений опираются на аннотированные списки слов, называемых сентиментальными лексиконами. Например, ratioSentimentScores функция использует лексикон настроения со словами, аннотированными с оценкой настроения в диапазоне от -1 до 1, где оценки, близкие к 1, указывают на сильные положительные настроения, оценки, близкие к -1, указывают на сильные негативные настроения, а оценки, близкие к нулю, указывают на нейтральные настроения.

Если лексикон настроения, используемый ratioSentimentScores функция не подходит для анализируемых данных, например, если у вас есть набор данных, специфичный для домена, такой как медицинские или инженерные данные, то вы можете использовать свой собственный лексикон настроений. Пример создания лексикона настроений для конкретного домена см. в разделе Создание лексикона настроений для конкретного домена.

Создание маркированного массива документов, содержащего текстовые данные для анализа.

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

Загрузите пример специфического для домена лексикона для финансовых данных.

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

ans=8×2 table
          Token          SentimentScore
    _________________    ______________

    {'opportunities'}       0.95633    
    {'innovative'   }       0.89635    
    {'success'      }       0.84362    
    {'focused'      }       0.83768    
    {'strong'       }       0.81042    
    {'capabilities' }       0.79174    
    {'innovation'   }       0.77698    
    {'improved'     }       0.77176    

Оцените настроения с помощью ratioSentimentScores и укажите лексикон пользовательских настроений с помощью 'SentimentLexicon' вариант. Оценка 1 указывает на положительные настроения, оценка -1 - на отрицательные настроения, а оценка 0 - на нейтральные настроения.

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

compoundScores = 2×1

     1
    -1