R语言中AWS Comprehend情感分析相同文本结果不一致的解决方法

两种调用传入的文本内容与格式存在差异，导致AWS Comprehend返回不同的情感分析结果：

• 数据框拼接后的文本：所有行以空格连接，无换行，原第四行的Underneath保持大写，与第三行是两个独立部分（即...presents Underneath...）。
• 直接输入的文本：包含换行符，第三行与第四行合并为一行且Underneath改为小写（即...presents underneath...），同时存在换行分隔的结构差异。

要得到一致结果，必须确保传入detect_sentiment()的文本完全一致，可根据需求选择以下两种调整方式：

方式1：让数据框生成与直接输入一致的文本 #

如果希望对齐直接输入的分析结果，修改数据框拼接逻辑：

# 调整数据框内容：合并第三、四行，将Underneath转为小写
df_adjusted <- df1
df_adjusted$line[3] <- paste(df_adjusted$line[3], tolower(df_adjusted$line[4]))
df_adjusted <- df_adjusted[-4, ]

# 用换行符拼接（替代空格），跳过不必要的iconv转换（原文本已是ASCII）
lyrics_df1 <- df_adjusted %>% 
  stringr::str_c(collapse = "\n")

# 调用情感分析
detect_sentiment(lyrics_df1)

方式2：让直接输入的文本与数据框拼接结果一致 #

如果希望对齐数据框拼接后的分析结果，使用完全匹配的文本调用：

detect_sentiment("I don't want a lot for Christmas There is just one thing I need I don't care about the presents Underneath the Christmas tree I just want you for my own")

核心注意事项 #

• 文本完全匹配：AWS Comprehend的情感分析对文本的细微差异（空格、换行、大小写、内容拼接方式）敏感，必须保证传入文本完全相同。
• iconv的同步：如果原文本包含非ASCII字符，直接输入的文本也需要同步执行iconv(..., from = "UTF-8", to = 'ASCII//TRANSLIT')转换。

内容的提问来源于stack exchange，提问作者DunkinDont