Аналіз тональності телефонного дзвінка
Після того як ви транскрибуєте текст з аудіофайла, можна виконувати обробку природної мови над цим текстом.
У цій вправі ми використаємо VADER (Valence Aware Dictionary and sEntiment Reasoner) з NLTK, щоб проаналізувати тональність транскрибованого тексту call_2.wav (file).
Для транскрипції тексту використаємо створену раніше функцію transcribe_audio().
Коли отримаємо текст, застосуємо клас SentimentIntensityAnalyzer() з NLTK, щоб отримати показники полярності тональності.
.polarity_scores(text) повертає значення для pos (positive — позитивна), neu (neutral — нейтральна), neg (negative — негативна) і compound. Compound — це поєднання трьох попередніх значень. Чим воно вище, тим позитивніший текст. Нижче — тим більш негативний.
Ця вправа є частиною курсу
Обробка усного мовлення в Python
Інструкції до вправи
- Створіть екземпляр
SentimentIntensityAnalyzer()і збережіть його у зміннійsid. - Транскрибуйте цільовий дзвінок і збережіть результат у
call_2_text. - Виведіть
polarity_scores()дляcall_2_text.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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))