Analyser le sentiment d'un appel téléphonique

Une fois que vous avez transcrit le texte d'un fichier audio, vous pouvez appliquer du traitement automatique du langage naturel au texte.

Dans cet exercice, nous allons utiliser VADER (Valence Aware Dictionary and sEntiment Reasoner) de NLTK pour analyser le sentiment du texte transcrit de call_2.wav (fichier).

Pour transcrire le texte, nous utiliserons la fonction transcribe_audio() créée plus tôt.

Une fois le texte obtenu, nous utiliserons la classe SentimentIntensityAnalyzer() de NLTK pour calculer une cote de polarité de sentiment.

.polarity_scores(text) renvoie une valeur pour pos (positif), neu (neutre), neg (négatif) et compound. Compound est un mélange des trois autres valeurs. Plus elle est élevée, plus le texte est positif. Plus elle est faible, plus le texte est négatif.

Cette activité fait partie du cours

Traitement de la langue parlée en Python

Voir le cours

Instructions de l’exercice

Instanciez SentimentIntensityAnalyzer() et enregistrez l'instance dans la variable sid.
Transcrivez l'appel ciblé et enregistrez le résultat dans call_2_text.
Affichez les polarity_scores() de call_2_text.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

from nltk.sentiment.vader import SentimentIntensityAnalyzer

# Create SentimentIntensityAnalyzer instance
sid = ____

# Let's try it on one of our phone calls
call_2_text = transcribe_audio(____)

# Display text and sentiment polarity scores
print(call_2_text)
print(sid.____(call_2_text))

Modifier et exécuter le code