Sentiment-Analyse auf formatiertem Text
In dieser Übung berechnest du das Sentiment im Kundenkanal von call_2.wav (file).
Du hast den Kundenkanal getrennt und als call_2_channel_2.wav gespeichert (file).
Aus deiner Erfahrung mit Sentiment-Analyse weißt du, dass sich die Stimmung von Satz zu Satz ändern kann.
Um sie Satz für Satz zu berechnen, teilst du den Text mithilfe des sent_tokenize()-Moduls von NLTK in Sätze auf.
Allerdings gibt transcribe_audio() keine Sätze zurück. Um die Sentiment-Analyse mit Sätzen auszuprobieren, hast du einen kostenpflichtigen API-Dienst genutzt und call_2_channel_2_paid_api_text erhalten, das Sätze enthält.
Diese Übung ist Teil des Kurses
<Kurs>Verarbeitung gesprochener Sprache in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
from nltk.sentiment.vader import SentimentIntensityAnalyzer
# Create SentimentIntensityAnalyzer instance
sid = SentimentIntensityAnalyzer()
# Transcribe customer channel of call 2
call_2_channel_2_text = transcribe_audio(____)
# Display text and sentiment polarity scores
print(call_2_channel_2_text)
print(sid.____(call_2_channel_2_text))