НачатьНачать бесплатно

Анализ тональности телефонного звонка

После транскрибирования аудиофайла в текст можно приступить к обработке естественного языка.

В этом упражнении мы используем VADER (Valence Aware Dictionary and sEntiment Reasoner) из библиотеки NLTK, чтобы проанализировать тональность транскрибированного текста файла call_2.wav (файл).

Для транскрибирования воспользуемся функцией transcribe_audio(), которую мы создали ранее.

Получив текст, применим класс SentimentIntensityAnalyzer() из NLTK, чтобы вычислить оценку полярности тональности.

Метод .polarity_scores(text) возвращает значения для pos (положительная), neu (нейтральная), neg (отрицательная) тональности и compound. Compound — это комбинация трёх остальных значений: чем он выше, тем более позитивным является текст; чем ниже — тем более негативным.

Это упражнение является частью курса

Обработка устной речи на Python

Посмотреть курс

Инструкции к упражнению

  • Создайте экземпляр класса SentimentIntensityAnalyzer() и сохраните его в переменную sid.
  • Транскрибируйте целевой звонок и сохраните результат в call_2_text.
  • Выведите на экран результат polarity_scores() для call_2_text.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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))
Редактировать и запускать код