練習 - 使用神經網路來分析文字中的情感

5 分鐘

若要實際測試，請將您自己的文字輸入模型來看看其執行情況，也就是它在量化該文字中所表達的情感方面有多精確。在本單元中，您將撰寫 Python 函式來接受文字字串作為輸入、將它傳遞至模型，並傳回情感分數。然後，您將使用此函式來分析各種文字字串中所表達的情感。

將下列程式碼新增至筆記本結尾的資料格，並執行該資料格：

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

這些陳述式會定義名為 analyze 的函式來接受字串作為輸入，並傳回 0.0 到 1.0 的數字，以量化該字串中所表達的情感。數字越高，情感越正面。此函式會清理輸入字串、將它轉換成一份參考 load_data 函式所建立字典中文字的整數清單，最後會呼叫模型的 predict 函式對文字中的情感評分。

使用筆記本來執行下列陳述式：
```
analyze('Easily the most stellar experience I have ever had.')
```
輸出是輸入文字中所表達的情感，並以 0.0 到 1.0 的數字表示。您同意模型的評定嗎？
現在試試看此陳述式：
```
analyze('The long lines and poor customer service really turned me off.')
```
模型如何量化這段文字中所表達的情感？

最後使用您自己的輸入字串來測試模型。結果不會十全十美，但您應該會發現模型在量化情感方面相當精確。雖然此模型是使用電影評論來定型，但它並不「限於」分析電影評論。這很合理，因為表達電影好惡的語言，與表達其他不相關主題感受的語言之間，原本就很類似。

練習 - 使用神經網路來分析文字中的情感

意見反應