Sentiment van een telefoongesprek analyseren

Zodra je de tekst uit een audiobestand hebt getranscribeerd, kun je er natural language processing op toepassen.

In deze oefening gebruiken we NLTK’s VADER (Valence Aware Dictionary and sEntiment Reasoner) om het sentiment te analyseren van de getranscribeerde tekst van call_2.wav (file).

Voor het transcriberen gebruiken we de functie transcribe_audio() die we eerder hebben gemaakt.

Zodra we de tekst hebben, gebruiken we de SentimentIntensityAnalyzer()-klasse van NLTK om een sentiment-polariteitsscore te krijgen.

.polarity_scores(text) geeft een waarde terug voor pos (positief), neu (neutraal), neg (negatief) en compound. Compound is een combinatie van de andere drie waarden. Hoe hoger, hoe positiever de tekst. Lager betekent negatiever.

Deze oefening maakt deel uit van de cursus

Spoken Language Processing in Python

Cursus bekijken

Oefeninstructies

Maak een instantie van SentimentIntensityAnalyzer() en sla deze op in de variabele sid.
Transcribeer het doelgesprek en sla dit op in call_2_text.
Print de polarity_scores() van call_2_text.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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))

Code bewerken en uitvoeren