Condividi tramite


microsoftml.get_sentiment: analisi valutazione

Utilizzo

microsoftml.get_sentiment(cols: [str, dict, list], **kargs)

Descrizione

Assegna un punteggio al testo in linguaggio naturale e valuta la probabilità che le valutazioni siano positive.

Dettagli

La trasformazione get_sentiment restituisce la probabilità che la valutazione di un testo naturale sia positiva. Supporta solo la lingua inglese.

Argomenti

cols

Stringa di caratteri o elenco di nomi di variabili da trasformare. Se dict, i nomi rappresentano i nomi delle nuove variabili da creare.

kargs

Argomenti aggiuntivi inviati al motore di calcolo.

Restituisce

Un oggetto che definisce la trasformazione.

Vedere anche

featurize_text.

Esempio

'''
Example with get_sentiment and rx_logistic_regression.
'''
import numpy
import pandas
from microsoftml import rx_logistic_regression, rx_featurize, rx_predict, get_sentiment

# Create the data
customer_reviews = pandas.DataFrame(data=dict(review=[
            "I really did not like the taste of it",
            "It was surprisingly quite good!",
            "I will never ever ever go to that place again!!"]))
            
# Get the sentiment scores
sentiment_scores = rx_featurize(
    data=customer_reviews,
    ml_transforms=[get_sentiment(cols=dict(scores="review"))])
    
# Let's translate the score to something more meaningful
sentiment_scores["eval"] = sentiment_scores.scores.apply(
            lambda score: "AWESOMENESS" if score > 0.6 else "BLAH")
print(sentiment_scores)

Output:

Beginning processing data.
Rows Read: 3, Read Time: 0, Transform Time: 0
Beginning processing data.
Elapsed time: 00:00:02.4327924
Finished writing 3 rows.
Writing completed.
                                            review    scores         eval
0            I really did not like the taste of it  0.461790         BLAH
1                  It was surprisingly quite good!  0.960192  AWESOMENESS
2  I will never ever ever go to that place again!!  0.310344         BLAH