رؤى البرمجة اللغوية العصبية لأوركسترا Penguin Café Orchestra
نقدم مثالاً على كيفية استخدام Expert.ai و Python للتحقيق في ألبومات الموسيقى المفضلة.
بقلم لورا جوريري ، خبير
يرجى العثور على نسخة دفتر الملاحظات من هذا الموضوع هنا.
لنقم ببناء تطبيق صغير للتحقيق في أحد الفنانين المفضلين لدي. يطلق عليهم "أوركسترا بنجوين كافيه"وإذا كنت لا تعرفهم ، فستكتشف ما يدور حولهم.
مجموعة البيانات الخاصة بنا: قائمة بمراجعات ألبوماتهم التي أخذتها من موقع Piero Scaruffi وحفظتها في مجلد مخصص.
هدفنا: لفهم المزيد عن الفنان الذي يستخدم مراجعات الألبوم.
هدفنا العملي: لنرى كيف NL API من الخبير يعمل وماذا يمكن أن تفعل.
ما هو موضوع أوركسترا بنجوين كافيه؟
أولاً ، دعنا نرى ما يخرج من المراجعات بمجرد تحليل الكلمات المستخدمة فيها. سنقوم أولاً بتجميع جميع المراجعات في متغير واحد ، من أجل الحصول على مراجعة كاملة للفنان. ثم سنلقي نظرة على الكلمات الأكثر شيوعًا فيها ، على أمل أن تكشف المزيد في Penguin Café Orchestra.
## رمز للتكرار على مجلد الفنان ومراجعات الألبومات المتسلسلة في مراجعة فنان واحد استيراد os artist_review = 'artist_path =' penguin_cafe_orchestra 'ألبومات = os.listdir (artist_path) For ألبوم in ألبومات: Album_path = os.path.join (مسار الفنان ، الألبوم) مع مفتوح (Album_path، 'r'، encoding = 'utf8') as الملف: مراجعة = file.read () artist_review + = review
باستخدام نهج اللغويات السطحية يمكننا التحقيق في مراجعة الفنان ، والتي تحتوي على جميع المراجعات المتاحة. للقيام بذلك ، نستخدم matplotlib وسحابة الكلمات لإنتاج سحابة كلمات تخبرنا المزيد عن الكلمات الأكثر شيوعًا في النص.
# حزم استيراد
استيراد matplotlib.pyplot as plt٪ matplotlib مضمنة # تحديد وظيفة لرسم سحابة الكلمات صفر مؤامرة_كلود(كلمة سحابة): # تعيين حجم الرقم شكل plt (حجم التين = (30 ، 10)) # هذه الصورة ليست للعرض plt.imshow (wordcloud) # لا توجد تفاصيل المحور plt.axis ("off") ؛ # حزمة استيراد تبدأ من كلمة سحابة استيراد WordCloud ، STOPWORDS # إنشاء سحابة الكلمات wordcloud = WordCloud (العرض = 3000 ، الارتفاع = 2000 ، الحالة العشوائية = 1 ، background_color = 'الأبيض' ، التجميعات =خطأ، stopwords = STOPWORDS). Generate (artist_review) # قطعة plot_cloud (wordcloud)
الشكل 1: سحابة كلمات تظهر فيها الكلمات الأكثر استخدامًا بخط أكبر والأقل استخدامًا بخط أصغر.
كيف تجعلك موسيقاهم تشعر؟
بفضل سحابة الكلمات ، نعرف المزيد عن The Penguin Café Orchestra. نعلم أنهم يستخدمون آلات مثل القيثارة والبيانو والكمان ، وأنهم يخلطون بين الأنواع الموسيقية مثل الشعبية والعرقية والكلاسيكية.
ومع ذلك ، ليس لدينا أي فكرة عن أسلوب الفنان. يمكننا معرفة المزيد من خلال النظر إلى المشاعر التي تأتي من عملهم.
للقيام بذلك ، سنستخدم واجهة برمجة تطبيقات NL الخاصة بـ Expert.ai's. الرجاء التسجيل هنا، ابحث عن الوثائق على SDK هنا وعلى الميزات هنا.
### قم بتثبيت Python SDK
! نقطة تثبيت expertai-nlapi ## رمز لتهيئة العميل ثم استخدام تصنيف السمات العاطفية استيراد os تبدأ من Expertai.nlapi.cloud.client استيراد ExpertAiClient client = ExpertAiClient () os.environ ["EAI_USERNAME"] = 'your_username' os.environ ["EAI_PASSWORD"] = 'your_password' emotions = [] weights = [] output = client.classification (body = {"document" : {"text": artist_review}}، params = {'التصنيف': 'dynamic-traits'، 'language': 'en'}) For الفئة in الإخراج.الفئات: العاطفة = الفئة.وزن الملصق = الفئة.
["السعادة" ، "الإثارة" ، "الفرح" ، "التسلية" ، "الحب"]
[15.86 ، 31.73 ، 15.86 ، 31.73 ، 4.76]
لاسترجاع الأوزان استخدمنا "التردد" وهو في الواقع نسبة مئوية. مجموع كل الترددات هو 100. هذا يجعل ترددات العواطف مرشحًا جيدًا لرسم بياني دائري ، يتم رسمه باستخدام matplotlib.
# استيراد المكتبات
تبدأ من matplotlib استيراد Pyplot as معاهدة قانون البراءات استيراد نمباي as np # إنشاء المؤامرة الألوان = ['# 0081a7'، '# 2a9d8f'، '# e9c46a'، '# f4a261'، '# e76f51'] fig = plt.figure (figsize = (10، 7)) plt.pie (الأوزان ، الملصقات = العواطف ، الألوان = الألوان ، تلقائي = '٪ 1.1f ٪٪') # عرض مؤامرة plt.show ()
الشكل 2: مخطط دائري يمثل كل عاطفة ونسبتها المئوية.
ما هو أفضل ألبوم لهم؟
إذا كنت تريد البدء في الاستماع إليهم ، لمعرفة ما إذا كنت تشعر بنفس المشاعر التي وجدها Scaruffis في عملهم ، فمن أين يمكنك أن تبدأ؟ يمكننا إلقاء نظرة على تحليل المشاعر لكل ألبوم والحصول على فكرة عن أفضل الألبومات. للقيام بذلك ، نكرر مراجعة كل ألبوم ونستخدم Expert.ai NL API لاستعادة مشاعرهم وقوتها.
## رمز التكرار على كل ألبوم واسترجاع المشاعر
sentiment_ratings = [] albums_names = [الألبوم [: - 4] For ألبوم in ألبومات] For ألبوم in ألبومات: Album_path = os.path.join (مسار الفنان ، الألبوم) مع مفتوح (Album_path، 'r'، encoding = 'utf8') as file: review = file.read () output = client.specific_resource_analysis (body = {"document": {"text": review}}، params = {'language': 'en'، 'Resource': 'sentiment'} ) المعنويات = output.sentiment.overall sentiment_ratings.append (العاطفة) طباعة (albums_names) print (sentiment_ratings)
["البث من المنزل" ، "برنامج الحفلات الموسيقية" ، "الموسيقى من مقهى البطريق" ، "علامات الحياة"]
[11.6 ، 2.7 ، 10.89 ، 3.9]
الآن يمكننا تصور المشاعر لكل مراجعة باستخدام مخطط شريطي. سيعطينا هذا ملاحظات مرئية سريعة حول أفضل ألبوم لأوركسترا The Penguin Cafe ، وحول مسيرتهم المهنية. للقيام بذلك نستخدم matplotlib مرة أخرى.
استيراد matplotlib.pyplot as plt plt.style.use ('ggplot') albums_names = [الاسم [: - 4] For الاسم in ألبومات] plt.bar (albums_names، sentiment_ratings، color = '# 70A0AF') plt.ylabel ("تصنيف الألبوم") plt.title ("تقييمات ألبوم Penguin Cafe Orchestra") plt.xticks (albums_names، rotation = 70) plt .مشاهده()
نشرت أصلا هنا.
أهم الأخبار في الثلاثين يومًا الماضية | |||||
---|---|---|---|---|---|
|
|
المصدر: https://www.kdnuggets.com/2021/08/expert-nlp-insights-music.html
- '
- "
- &
- 100
- 11
- 7
- 9
- AI
- ألبومات
- الكل
- تحليل
- API
- تطبيق
- فنان
- الفنانين
- أفضل
- نساعدك في بناء
- التوظيف
- سحابة
- الكود
- مشترك
- خلق
- البيانات
- علم البيانات
- التعلم العميق
- مدير المدارس
- العواطف
- المميزات
- تين
- الشكل
- الاسم الأول
- وظيفة
- خير
- وحدات معالجة الرسومات
- الصفحة الرئيسية
- أمل
- كيفية
- كيفية
- HTTPS
- فكرة
- رؤى
- المقابلة الشخصية
- بحث
- IT
- ملصقات
- لغة
- تعلم
- تعلم
- قائمة
- حب
- ML
- موسيقى
- عصبي
- البرمجة اللغوية العصبية
- جاكيت
- المصدر المفتوح
- طلب
- البرنامج
- بايثون
- تقييمات
- الأسباب
- تراجع
- مورد
- مراجعة
- التعليقات
- علوم
- العلماء
- الإستراحة
- عاطفة
- طقم
- لوحات
- صغير
- So
- بداية
- قصص
- تيشرت
- us
- الموقع الإلكتروني
- كلمات
- للعمل
- أعمال
- X