R：仅当否定出现在目标之前的 n 个字母内时才使用 gsub

Question

我正在研究一种原始语音分析算法。现在我想改进它如何处理正面/负面陈述的否定。目前，我仅在否定直接发生时才添加字符串“NOT_”：

s_commentsOut$gsubContent <- gsub("not ","not NOT_",gsub("n't ","n't NOT_",s_commentsOut$lowCo))

例如

"This is not good"

变成

"This is not NOT_good"

现在我想实现当目标词向量和否定之间有n个字符时也添加“NOT_”，例如：

targetList <- c("nice", "perfect", "good", "love")

现在借助上面的列表，下面的字符串：

"This isn't a very good way"

应该变成

"This isn't a very NOT_good way"

仅当否定出现在目标之前的n（例如15）字符时，才应进行此替换，例如以下不应该转换（因为目标和否定之间的距离是> 15）：

"This is not going to work. However you did this very nicely."

我发现了以下 SO 文章： Negation of several characters before pattern

How to replace a character in a string but only if it occurs within a delimited substring?

但我很难做到正确。与此同时，我帮助自己从文本中删除诸如“like”、“an”、“a”之类的字符串......

进一步的测试短语：

"Nottingham is the love of my life."

"This is good. Nottingham is a town."

"This is not very good"

"This is not good. This is not good. This is not very good. This is nice. This very nice. This is not very nice."

Answer 1

这应该可以工作（用 n 更新）

library(stringr)
negation=function(x,n)
{
  target=c("nice", "perfect", "good")
  negate=c("not ","n't")
  out=x
  a=as.data.frame(str_locate(x,negate))
  negate_end=as.numeric(a[!is.na(a$end),]$end)
  b=as.data.frame(str_locate(x,target))
  target_start=as.numeric(b[!is.na(b$start),]$start)
  distance=target_start-negate_end
  distance=ifelse(length(distance)==0,9999999,distance)
  if(sum(!is.na(str_match(x,target)))>0 & distance<=n & distance>=0)
    out=str_replace_all(x,target,paste("NOT_",target,sep=''))[which(!is.na(str_match(x,target)))]
  return(out)
}

Answer 2

您可以尝试以下方法：（请进行测试，因为我不是 100% 确定）

require(stringr)
negate <- function(word, phrase, distance_allowed){

  not_pos <- str_locate(tolower(phrase), "^not |not$| not ")

  if (!is.na(not_pos[1])){

      word_pos <- str_locate(tolower(phrase), word)

      if(!is.na(word_pos[1])){

          neg_dist <- ifelse(word_pos[1] > not_pos[1], word_pos[2] - not_pos[1], not_pos[2] - word_pos[1])

        if(neg_dist < distance_allowed ){

             phrase <- gsub(word, paste0("NOT_", word), phrase)

        }


      }

  }
      return(phrase)

}

我的谦虚逻辑如下：

1. 在短语中查找 not（它要么开始短语，在单词之间，要么结束它，只是为了避免像什么都没有的单词，因为我不太擅长讨厌的正则表达式）

2. 如果没有找到单词的位置，如果找到了单词，则计算not位置与单词之间的距离（如果单词在not之前，则计算单词末尾之间的距离单词和非单词的开头，否则结尾不是单词的开头）

3. 如果此距离小于您允许的距离（在您的情况下 n = 15），请进行更改

请测试一下！希望对你有帮助