这个问题是双重的 . 对这两个问题的回答都是适当的解决方案 . 非常感谢您能否将建议显示为R代码 .

1）Syuzhet数据包中的NRC词典产生最广泛的情绪，但它似乎并不能控制否定者 . 阅读文档后，我仍然不确定如何克服这个问题 . 也许通过将每个句子的正面和负面编码的单词相乘，例如， I（0）AM（0）NOT（-1）ANGRY（-1）=（ - 1 * -1）= 1.但是，我不知道如何用正确的代码写这个 .

2）经过大量的研究和测试，我发现SentimentR中的jockers_rinker词典处理了否定词并且修改得更好（https://github.com/trinker/sentimentr#comparing-sentimentr-syuzhet-meanr-and-stanford） . 我可以通过比较两个包的二进制情绪输出，将SentimentR用于来自Suyzhet / NRC结果的"quality test"结果 . 如果它们偏离太多，那么NRC对于该特定的文本来说不够准确 . 但是，我只知道如何获得个人得分而不是每个情绪的总得分（正数和负数之和）

你可以看到我的测试结果如何在一个串联的字符串上进行比较，其中表达了使用和不使用修饰符和否定符的情绪 .

#Suyzhet:
   library("syuzhet")
   MySentiments = c("I am happy", "I am very happy", "I am not happy","It was 
                   bad","It is never bad", "I love it", "I hate it")
   get_nrc_sentiment(MySentiment, cl = NULL, language = "english")
   #Result:
   anger anticipation disgust fear joy sadness surprise trust negative positive
    0            1       0    0   1       0        0     1        0        1
    0            1       0    0   1       0        0     1        0        1
    0            1       0    0   1       0        0     1        0        1
    1            0       1    1   0       1        0     0        1        0
    1            0       1    1   0       1        0     0        1        0
    0            0       0    0   1       0        0     0        0        1
    1            0       1    1   0       1        0     0        1        0

   #SentimentR:
    library("sentimentr")
    MySentiments = c("I am happy", "I am very happy", "I am not happy","It was 
                   bad","It is never bad", "I love it", "I hate it")
                   sentiment(MySentiments, polarity_dt = 
                   lexicon::hash_sentiment_jockers_rinker,
                   valence_shifters_dt = lexicon::hash_valence_shifters, hyphen 
                   = "", amplifier.weight = 0.8, n.before = 5, n.after = 2, 
                   question.weight = 1, adversative.weight = 0.25, 
                   neutral.nonverb.like = FALSE, missing_value = NULL)
      #Results:
       element_id sentence_id word_count  sentiment
           1           1          3  0.4330127
           2           1          4  0.6750000
           3           1          4 -0.3750000
           4           1          3 -0.4330127
           5           1          4  0.3750000
           6           1          3  0.4330127
           7           1          3 -0.4330127

第一个输出似乎没有认识到“非常”，“不是”和“从不”的重要性 .

r sentiment-analysis sentimentr