R ggplot2：如何充分捕获绘图中的数据分布

使用斯坦福的情绪分类例程（包含在CoreNLP工具包中），我试图在给定文档中绘制每个句子的“情绪”。情绪分类的数据基本上由五列n行组成：

0.0374 0.1311 0.1502 0.5761 0.1052
0.0117 0.0301 0.1748 0.5980 0.1854
0.1261 0.7332 0.1182 0.0156 0.0069

每一行表示输入分类器的文件中的一个句子，该行中的每一列表示关于句子情绪值的置信区间：第一列包含算法对给定句子具有“非常消极”情绪的置信度，第二列包含对该句子具有“某种负面”情绪的信心，第三列表示对该句子包含“无情绪”（即描述性）的信心；第四列表示对句子“积极”的信心，第五列表示对句子“非常积极”的信心

对于数据中的每一行，很容易识别具有最大值的列，然后按顺序绘制这些值，如果行中的最大值位于第一列或第二列，则使用负值；如果最大值位于第三列，则使用零；如果最大值位于第四行或第五行，则使用正值：

---

但是，如果我只绘制每行信心值最大的情绪分数（这就是我在上面的图中所做的），我最终会抛出每行五列数据中的四列。是否可以使用ggplot2以合理直观的方式表示此数据的所有行？我意识到这个问题与主题无关，但我认为其他更熟悉ggplot（以及更广泛的dataviz）的人可能会为我的数据结构提供更好的可视化方法。无论如何，我都渴望听到其他人对这个问题的看法。

因此，这里是我的评论的扩展，使用您的《罗密欧与朱丽叶》数据集

您可以使用加权平均值，或“预期情绪”，而不是使用每个句子的最大概率作为情绪的替代。每句话的计算如下：

L=[-2，-1,0,1,2]

E（Si）=∑（pi，j×Lj）

其中i，j是行、列编号，Lj是L的第j个元素

您还可以计算每个句子的情绪不确定性，如下所示：

V（Si）=∑pi，j×[Lj-E（Si）]2

在R代码中：

library(ggplot2)
library(reshape2)
P <- read.csv("romeo.and.juliet.txt",sep=" ")   # file you provided
P <- as.matrix(P)                               # needs to be a matrix
# calculate expected sentiment, E(s) based on Likert scale
# E(S) = sum(P_i * i)  [i in -2:2]
L <- c(-2,-1,0,1,2)    # Likert Scale
ES <- P %*% L          # E(S)
sentiment <- data.frame(n=1:length(ES),ES)
# calculate sentiment variability for each sentence
# V(S)  = sum(P_i * (i - E(s))^2)   [i in -2:2]
# SD(S) = sqrt(V(S))
LL <- matrix(rep(L,each=nrow(P)),ncol=ncol(P))
LL <- apply(LL,2,function(X)X-ES)
LL.sq <- LL^2
VS <- P %*% t(LL.sq)
SD <- sqrt(diag(VS))
sentiment$SD <- SD
# reshape for plotting w/ggplot
gg <- melt(sentiment,id="n")
ggplot(gg, aes(x=n,y=value,color=variable)) + 
  geom_point(size=1.5,alpha=.5) + 
  stat_smooth(method=loess, size=1)+
  facet_grid(variable~., scales="free_y")+
  scale_color_discrete(name="",labels=c("Expected Sentimant","Uncertainty"))+
  theme(legend.position="bottom")

库（ggplot2）
图书馆（E2）
P好的，您可以使用加权平均情绪，而不是使用最大概率作为情绪的替代，例如，将利克特量表
L=c（-2，-1,0,1,2）
与列相关联，并计算“预期情绪”，
ES=P%*%L
其中
P
是您的情绪分类矩阵。然后画出这个和句子的编号。你也可以计算每个句子情感的不确定性。我认为你是对的，@jlhoward，但我的问题是，第1列和第5列的标量值是多少。（非常负的意思是负的*1.5，或*2，或…？）在乘以数字之前，我需要考虑更多。然而，问题是，一旦我有了缩放值，我可以也应该绘制它们的一些组合（针对每一行），还是应该丢弃所有列，而不是具有最大值的列？使用预期情绪固有地将每一行的所有列组合在一起。只要你相信“非常负面”和“负面”之间的区别与“负面”和“中性”之间的区别相同，比例因子就无关紧要。如果你提供了整个数据集，或者其中更大的一部分，我可以向你展示（上传并提供链接）。这是罗密欧和朱丽叶的数据（每句话一行）这个答案很有帮助。分类器是在更现代的文本上训练的，我使用的是Shakes文本的现代拼写，但你是对的——数据再混乱不过了。当我看每个句子的置信度分布时，它们似乎或多或少是令人满意的，但从总体上看，数据是混乱的。（通过场景或句子集合来获取平均情绪有助于揭示模式。）