Analiza sentymentu rozmowy telefonicznej

Po przepisaniu tekstu z pliku audio można przeprowadzić na nim przetwarzanie języka naturalnego.

W tym ćwiczeniu użyjemy modułu VADER (Valence Aware Dictionary and sEntiment Reasoner) z biblioteki NLTK, aby przeanalizować sentyment transkrypcji pliku call_2.wav (plik).

Do transkrypcji użyjemy funkcji transcribe_audio(), którą stworzyliśmy wcześniej.

Gdy już mamy tekst, skorzystamy z klasy SentimentIntensityAnalyzer() z biblioteki NLTK, aby uzyskać wynik polaryzacji sentymentu.

Metoda .polarity_scores(text) zwraca wartości dla: pos (pozytywny), neu (neutralny), neg (negatywny) oraz compound. Wartość compound to mieszanka pozostałych trzech. Im wyższa, tym bardziej pozytywny tekst – im niższa, tym bardziej negatywny.

To ćwiczenie jest częścią kursu

Przetwarzanie mowy w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz instancję klasy SentimentIntensityAnalyzer() i zapisz ją do zmiennej sid.
Przepisz docelową rozmowę telefoniczną i zapisz wynik do call_2_text.
Wydrukuj wyniki polarity_scores() dla call_2_text.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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))

Edytuj i uruchom kod