Sentimentanalyse op opgemaakt tekstmateriaal
In deze oefening bereken je de sentimenten op het klantkanaal van call_2.wav (bestand).
Je hebt het klantkanaal gesplitst en opgeslagen als call_2_channel_2.wav (bestand).
Maar uit je ervaring met sentimentanalyse weet je dat het per zin kan verschillen.
Om het per zin te berekenen, splits je de tekst met de module sent_tokenize() van NLTK.
Alleen geeft transcribe_audio() geen zinnen terug. Om sentimentanalyse met zinnen te proberen, heb je een betaalde API-service gebruikt om call_2_channel_2_paid_api_text te krijgen, waarin de zinnen al staan.
Deze oefening maakt deel uit van de cursus
Spoken Language Processing in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
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))