Exercício – Utilizar a Rede Neural para Analisar Texto em Termos de Sentimento

5 minutos

O teste real é quando introduz o seu próprio texto no modelo e vê o desempenho, ou seja, a aptidão do mesmo para quantificar o sentimento expressado nesse texto. Nesta unidade, irá escrever uma função de Python que aceita uma cadeia de texto como entrada, passa-a para o modelo e devolve uma classificação de sentimento. Em seguida, utilizará a função para analisar o sentimento expressado em diversas cadeias de texto.

Adicione o seguinte código a uma célula no final do bloco de notas e execute a célula:

import string
import numpy as np

def analyze(text):
    # Prepare the input by removing punctuation characters, converting
    # characters to lower case, and removing words containing numbers
    translator = str.maketrans('', '', string.punctuation)
    text = text.translate(translator)
    text = text.lower().split(' ')
    text = [word for word in text if word.isalpha()]

    # Generate an input tensor
    input = [1]
    for word in text:
        if word in word_dict and word_dict[word] < top_words:
            input.append(word_dict[word])
        else:
            input.append(2)
    padded_input = sequence.pad_sequences([input], maxlen=max_review_length)

    # Invoke the model and return the result
    result = model.predict(np.array([padded_input][0]))[0][0]
    return result

Estas instruções definem uma função chamada analyze que aceita uma cadeia de carateres como entrada e devolve um número entre 0,0 e 1,0, avaliando o sentimento expressado nessa cadeia de caracteres. Quanto maior for o número, mais positivo é o sentimento. A função limpa a cadeia de entrada, converte-a numa lista de números inteiros que referenciam palavras no dicionário criadas pela função load_data e, por fim, chama a função predict do modelo para classificar o texto em termos de sentimento.

Utilize o bloco de notas para executar a seguinte instrução:
```
analyze('Easily the most stellar experience I have ever had.')
```
O resultado é o sentimento expressado no texto de entrada como um número entre 0,0 e 1,0. Concorda com a avaliação do modelo?
Agora, experimente esta instrução:
```
analyze('The long lines and poor customer service really turned me off.')
```
Como é que o modelo quantifica o sentimento expressado neste texto?

Termine ao testar o modelo com as suas cadeias de carateres. Os resultados não serão perfeitos, mas deverá reparar que o modelo é razoavelmente apto para quantificar o sentimento. Embora o modelo tenha sido preparado com críticas de filmes, não é limitado à análise de críticas de filmes. Isso faz sentido porque existem semelhanças inerentes entre a linguagem que expressa o gosto ou não de um filme e palavras que expressam sentimentos sobre outros assuntos não relacionados.

Exercício – Utilizar a Rede Neural para Analisar Texto em Termos de Sentimento

Comentários