Diarios de Sesiones de Diputados y Senadores uruguayas: scraping y text mining

Éste es el código que usé para este artículo de mi blog donde scrapeo los Diarios de Sesiones de Diputados y Senadores de Uruguay desde enero de 2017 hasta marzo de 2018, y de este otro artículo donde analizo el texto de las sesiones

Archivos disponibles en csv (desde enero de 2017 hasta marzo de 2018):

• Diputados
• Senadores

La información a partir de la cual se construyeron los archivos proviene del sitio web del parlamento.

Paquetes destacados:

• robotstxt de rOpenSci, para ver si la sección del sitio web que quiero navegar permite ser accedida por un robot 🤖;
• rvest, para explorar la web y descargar los Diarios de Sesiones;
• pdftools también de rOpenSci, para extraer el contenido de los archivos en formato pdf;
• tidytext para analizar el texto de una manera tidy.

Lexicon de sentimiento

Utilicé este lexicon de sentimiento en mi análisis. No hay muchas opciones disponibles para el idioma español, y los resultados obtenidos tenían sentido.

No hice un análisis profundo del lexicon, pero tiene evidentes limitaciones:

• tiene muy pocos términos (476 positivas de 871 en total);
• la mayoría (si no todos) los adjetivos que considera son masculinos.

Contenido:

• Scraping.
• Frecuencia y largo de las sesiones de Diputados y Senadores.

• Palabras más usadas en las sesiones de ambas Cámaras.
• Palabras más usadas con sentimiento negativo y positivo, en ambas cámaras.

• Análisis de sentimiento por mes y en cada sesión, para ambas Cámaras.

• Análisis de temas tratados en ambas cámaras, mediante el cálculo del tf-idf.