Sentimentanalys av ett telefonsamtal

När du har transkriberat texten från en ljudfil är det möjligt att utföra naturlig språkbehandling på texten.

I den här övningen använder vi NLTK:s VADER (Valence Aware Dictionary and sEntiment Reasoner) för att analysera sentimentet i den transkriberade texten från call_2.wav (fil).

För att transkribera texten använder vi funktionen transcribe_audio() som vi skapade tidigare.

När vi har texten använder vi NLTK:s klass SentimentIntensityAnalyzer() för att beräkna ett sentimentpolaritetspoäng.

.polarity_scores(text) returnerar ett värde för pos (positivt), neu (neutralt), neg (negativt) och compound. Compound är en kombination av de tre övriga värdena. Ju högre värdet är, desto mer positiv är texten. Ett lägre värde indikerar mer negativ text.

Den här övningen är en del av kursen

Taligenkänning i Python

Visa kurs

Övningsinstruktioner

Skapa en instans av SentimentIntensityAnalyzer() och spara den i variabeln sid.
Transkribera målsamtalet och spara resultatet i call_2_text.
Skriv ut polarity_scores() för call_2_text.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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))

Redigera och kör kod