Skip to content

Latest commit

 

History

History
90 lines (70 loc) · 3.45 KB

README.md

File metadata and controls

90 lines (70 loc) · 3.45 KB
Raw

Emotioner/intensitet

Sentimentlexikon med 8 519 känsloladdade ord och deras intensitet. Uppdelade på åtta olika känslor:

  • ilska
  • förväntan
  • avsky/äckel
  • rädsla
  • glädje
  • vemod/sorgsenhet
  • överraskning/förvåning
  • tillit/förtroende

Annoterade för hand med best-worst scaling (maximum difference scaling).

Filer

  • anger: 1 246 ord (CSV).
  • anticipation: 813 ord (CSV).
  • disgust: 949 ord (csv).
  • fear: 1 503 ord (CSV).
  • joy: 1 077 ord (CSV).
  • sadness: 1 112 ord (CSV).
  • surprise: 538 ord (CSV).
  • trust: 1 281 ord (CSV).

I katalogen src finns originalfiler (TSV).

Datastruktur

Notera: Ord kan förekomma bland flera emotioner (exempelvis, mörda är både ilska och rädsla).

Kolumn Beskrivning Datatyp
word Känsloord (t ex mörda) Text
intensity Intensitet på känslan, från 0 (låg) till 1 (hög) Decimaltal (#.###)

Källa

The NRC Emotion Intensity Lexicon (NRC-EIL). Se källan för rättigheter vid kommersiell/icke-kommersiell användning. Referera följande papper om du använder lexikonet:

  • Word Affect Intensities. Saif M. Mohammad. In Proceedings of the 11th Edition of the Language Resources and Evaluation Conference (LREC-2018), May 2018, Miyazaki, Japan.

Se även

NRC-lexikonet (och övriga lexikon från NRC) används även inom följande:

  • TidyText - R-paket för textanalys där NRC-lexikonet finns inbyggt (se också Syuzhet-paketet).
  • lexicon - R-paket för NRC-lexikonet.
  • Shifterator - Python-bibliotek för "interpretable data visualizations for understanding how texts differ at the word level".
  • AffectiveTweets - Java-bibliotek, mer specifikt "A WEKA package for analyzing emotion and sentiment of tweets".

Källkod

R

# Import.
get_emotions <- function(emotion = NULL) {
  valid_emotions <- c("anger", "anticipation", "disgust", "fear", "joy", "sadness", "surprise", "trust")
  if (is.null(emotion)) {
    # Get all emotions.
    df <- data.frame(word=NULL, intensity=NULL, emotion=NULL)
    for (emotion in valid_emotions) {
      url <- paste0("https://github.com/peterdalle/svensktext/raw/master/emotioner/", emotion, ".csv")
      df_emotion <- read.csv(url, na.strings="None", encoding="UTF-8", header=TRUE, sep=",", stringsAsFactors=FALSE)
      df_emotion$emotion <- emotion
      df <- rbind(df, df_emotion)
    }
    return(df)
  } else {
    # Get single emotion.
    if (!(emotion %in% valid_emotions)) {
      stop(paste0("'", emotion, "' is an invalid emotion. Must be one of: ", paste(valid_emotions, collapse=", "), "."), call.=FALSE)
    }
    url <- paste0("https://github.com/peterdalle/svensktext/raw/master/emotioner/", emotion, ".csv")
    df <- read.csv(url, na.strings="None", encoding="UTF-8", header=TRUE, sep=",", stringsAsFactors=FALSE)
    df$emotion <- emotion
    return(df)
  }
}

# Get all emotions.
df <- get_emotions()
head(df)

# Get single emotion.
df <- get_emotions(emotion = "fear")
head(df)