Analyse des sentiments
Dans l'exercice vidéo, vous avez découvert les différentes applications des modèles séquence-séquence. Dans cet exercice, vous découvrirez comment utiliser un modèle pré-entraîné pour l'analyse des sentiments.
Le modèle est préchargé dans l'environnement sur la variable model. De plus, les variables tokenisées de l'ensemble de test X_test et y_test ainsi que les données textuelles originales prétraitées sentences provenant d'IMDb sont également disponibles. Vous apprendrez comment prétraiter les données textuelles et comment créer et entraîner le modèle à l'aide de Keras plus loin dans le cours.
Vous utiliserez le modèle pré-entraîné pour obtenir des prédictions de sentiment. Le modèle renvoie un nombre compris entre zéro et un représentant la probabilité que la phrase ait un sentiment positif. Vous allez donc créer une règle de décision pour définir si la prédiction est positive ou négative.
Cet exercice fait partie du cours
Réseaux neuronaux récurrents (RNN) pour la modélisation du langage avec Keras
Instructions
- Veuillez utiliser la méthode «
.predict()» pour établir des prévisions sur les données de test. - Définissez la prédiction comme étant égale à
"positive"si sa valeur est supérieure à0.5et"negative"dans le cas contraire, puis enregistrez le résultat dans la variablepred_sentiment. - Créez une variable de type « liste de chaînes de caractères » (
pd.DataFrame) contenant le texte prétraité, la prédiction obtenue à l'étape précédente et leurs valeurs réelles contenues dans la variable « prédiction » (y_test). - Imprimez les premières lignes à l'aide de la méthode
.head().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Inspect the first sentence on `X_test`
print(X_test[0])
# Get the predicion for all the sentences
pred = model.predict(____)
# Transform the predition into positive (> 0.5) or negative (<= 0.5)
pred_sentiment = ["positive" if x>____ else "negative" for x in pred]
# Create a data frame with sentences, predictions and true values
result = pd.DataFrame({'sentence': sentences, 'y_pred': ____, 'y_true': y_test})
# Print the first lines of the data frame
print(result.____)