Analiza sentymentu na sformatowanym tekście
W tym ćwiczeniu obliczysz sentyment dla kanału klienta z pliku call_2.wav (plik).
Kanał klienta został już wyodrębniony i zapisany jako call_2_channel_2.wav (plik).
Z doświadczenia wiesz jednak, że sentyment może się zmieniać z zdania na zdanie.
Aby analizować go zdanie po zdaniu, możesz podzielić tekst za pomocą modułu sent_tokenize() z biblioteki NLTK.
Ponieważ transcribe_audio() nie zwraca zdań, skorzystano z płatnego API, które zwróciło call_2_channel_2_paid_api_text – tekst podzielony na zdania.
To ćwiczenie jest częścią kursu
Przetwarzanie mowy w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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))