如何在R中结合正则与带评分关键词字典实现基础情感分析

1. 准备示例数据 #

先定义带索引的文档数据和带评分的情感词典，方便直接测试运行：

library(dplyr)
library(stringr)
library(purrr)

# 示例文档（含唯一索引）
docs <- tibble(
  doc_id = c(1, 2, 3),
  text = c(
    "这部电影太棒了，剧情超精彩，但结局有点遗憾",
    "今天的服务很差，态度恶劣，完全不满意",
    "新品上市，体验还行，性价比不错"
  )
)

# 带情感评分的词典（正分表积极，负分表消极）
sentiment_dict <- tibble(
  word = c("太棒了", "精彩", "遗憾", "很差", "恶劣", "不满意", "还行", "不错"),
  score = c(2, 1.5, -1, -2, -1.8, -2.5, 0.5, 1)
)

2. 构建精准匹配的正则模式 #

为避免部分匹配（比如把“不错”误匹配到“不错过”），给每个情感词加上单词边界规则，确保只匹配完整单词：

# 构建正则：匹配完整单词，多个词用|分隔
sentiment_pattern <- str_c("\\b", sentiment_dict$word, "\\b", collapse = "|")

# 若中文场景下\\b效果不佳，可替换为空格/首尾匹配规则
# sentiment_pattern <- str_c("(?<=^|\\s)", sentiment_dict$word, "(?=\\s|$)", collapse = "|")

3. 按文档匹配并关联评分 #

提取每个文档的匹配词，再通过映射关联对应评分，同时保留文档索引：

# 生成匹配结果：含文档索引、匹配词、对应评分及总得分
result <- docs %>%
  mutate(
    # 提取当前文档所有匹配的情感词
    matched_words = str_extract_all(text, sentiment_pattern),
    # 将匹配词映射为对应的评分列表
    matched_scores = map(matched_words, ~ sentiment_dict$score[match(.x, sentiment_dict$word)]),
    # 可选：计算当前文档的总情感得分
    total_score = map_dbl(matched_scores, sum, na.rm = TRUE)
  )

# 查看嵌套格式的结果（每个文档一行）
print(result %>% select(doc_id, text, matched_words, matched_scores, total_score))

# 若需要展开为每行一个匹配词的细粒度格式
expanded_result <- result %>%
  select(doc_id, matched_words, matched_scores) %>%
  unnest(c(matched_words, matched_scores))

print(expanded_result)

关键细节说明 #

• 正则边界规则：\\b或(?<=^|\\s)/(?=\\s|$)确保只匹配独立的完整单词，避免歧义匹配；
• match函数：精准关联匹配词与词典中的评分，保证每个关键词的分值不丢失；
• unnest操作：将嵌套的匹配结果展开，方便后续做细粒度的情感分析。

内容的提问来源于stack exchange，提问作者vintdeux