emojis1

Aufgabe

Extrahieren Sie die Anzahl der Emojis aus einem Text.

Nutzen Sie die GermEval-2018-Daten.

Die Daten sind unter CC-BY-4.0 lizensiert. Author: Wiegand, Michael (Spoken Language Systems, Saarland University (2010-2018), Leibniz Institute for the German Language (since 2019)),

Die Daten sind auch über das R-Paket PradaData zu beziehen.

library(tidyverse)
library(easystats)
data("germeval_train", package = "pradadata")

Nutzen Sie diesen Text-Datensatz, bevor Sie den größeren germeval-Datensatz verwenden:

Daten

Teststring:

text <- c("Abbau, Abbruch ist jetzt", 
          "Test   🧑‍🎓 😄 heute!!", 
          "Abbruch #morgen #perfekt", 
          "Abmachung... LORE IPSUM", 
          "boese ja", "böse nein", 
          "hallo ?! www.google.de", 
          "gut schlecht I am you are he she it is")

n_emo <- c(2, 0, 2, 1, 1, 1, 0, 2)

test_text <-
  data.frame(id = 1:length(text),
         text = text,
         n_emo = n_emo)

test_text

id	text	n_emo
1	Abbau, Abbruch ist jetzt	2
2	Test 🧑‍🎓 😄 heute!!	0
3	Abbruch #morgen #perfekt	2
4	Abmachung… LORE IPSUM	1
5	boese ja	1
6	böse nein	1
7	hallo ?! www.google.de	0
8	gut schlecht I am you are he she it is	2

Hinweise:

• Orientieren Sie sich im Übrigen an den allgemeinen Hinweisen des Datenwerks.

Lösung

Setup

library(tidyverse)
library(tictoc)
library(emoji)  # emoji_xxx
library(tidyEmoji)

Test 1

test_text |> 
  mutate(n_emojis = emoji_count(text))

id	text	n_emo	n_emojis
1	Abbau, Abbruch ist jetzt	2	0
2	Test 🧑‍🎓 😄 heute!!	0	3
3	Abbruch #morgen #perfekt	2	0
4	Abmachung… LORE IPSUM	1	0
5	boese ja	1	0
6	böse nein	1	0
7	hallo ?! www.google.de	0	0
8	gut schlecht I am you are he she it is	2	0

Das Paket emoji beinhaltet eine Menge Emojis:

emoji_name |> length()

[1] 4698

Test2

test_text$text |> 
  emoji_subset()

[1] "Test   🧑‍🎓 😄 heute!!"

TidyEmoji - Emojis kategorisieren

data.frame(tweets = c("I love tidyverse \U0001f600\U0001f603\U0001f603",
"R is my language! \U0001f601\U0001f606\U0001f605",
"This Tweet does not have Emoji!",
"Wearing a mask\U0001f637\U0001f637\U0001f637.",
"Emoji does not appear in all Tweets",
"A flag \U0001f600\U0001f3c1")) %>%
emoji_categorize(tweets)

tweets	.emoji_category
I love tidyverse 😀😃😃	Smileys & Emotion
R is my language! 😁😆😅	Smileys & Emotion
Wearing a mask😷😷😷.	Smileys & Emotion
A flag 😀🏁	Smileys & Emotion|Flags

test_text |> 
  emoji_categorize(text)

id	text	n_emo	.emoji_category
2	Test 🧑‍🎓 😄 heute!!	0	Smileys & Emotion|People & Body|Objects

data(wild_emojis, package = "pradadata")

wild_emojis |> 
  emoji_categorize(emoji)

emoji	.emoji_category
💣	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
💀	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
☠️	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😠	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
👹	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
💩	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😡	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
🤢	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
🤮	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😖	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😣	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😩	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😨	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😝	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😳	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😬	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😱	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😵	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
😤	Smileys & Emotion|NULL|NULL|NULL|NULL|NULL
✊	NULL|c(“People & Body”, “People & Body”)|NULL|NULL|NULL|NULL
🖕	NULL|People & Body|NULL|NULL|NULL|NULL
👎️	NULL|People & Body|NULL|NULL|NULL|NULL
🤦‍♀️	NULL|People & Body|NULL|NULL|NULL|Symbols
🤦‍	NULL|People & Body|NULL|NULL|NULL|NULL
🔪	NULL|NULL|Food & Drink|NULL|NULL|NULL
🚑	NULL|NULL|NULL|Travel & Places|NULL|NULL
🔫	NULL|NULL|NULL|NULL|Objects|NULL
🗑	NULL|NULL|NULL|NULL|Objects|NULL

Alternativ kann man auch via Regex und Unicode Regex ansprechen… emoji_pattern <- "\\p{So}".

Das ist vermutlich cleverer 🤓.

---

Categories:

• emoji
• textmining
• string