प्रायोजित पोस्ट।

लौरा गोरीरी द्वारा, Expert.ai

कृपया इस धागे का नोटबुक संस्करण खोजें यहाँ उत्पन्न करें.

आइए मेरे पसंदीदा कलाकारों में से एक की जांच के लिए एक छोटा सा एप्लिकेशन बनाएं। वे कहते हैं "पेंगुइन कैफे ऑर्केस्ट्रा” और यदि आप उन्हें नहीं जानते हैं तो आपको पता चल जाएगा कि वे किस बारे में हैं।

हमारा डेटासेट: उनके एल्बम की समीक्षाओं की एक सूची जो मैंने पिएरो स्कारफ़ी की वेबसाइट से ली थी और एक समर्पित फ़ोल्डर में सहेजी थी।

हमारा लक्ष्य: एल्बम समीक्षाओं का उपयोग करने वाले कलाकार के बारे में अधिक समझने के लिए।

हमारा व्यावहारिक लक्ष्य: देखने के लिए कैसे Expert.ai का NL API काम करता है और वह क्या कर सकता है।

पेंगुइन कैफे ऑर्केस्ट्रा किस बारे में है?

सबसे पहले देखते हैं कि समीक्षाओं में इस्तेमाल किए गए शब्दों का विश्लेषण करने से क्या निकलता है। संपूर्ण कलाकार की समीक्षा प्राप्त करने के लिए, हम सबसे पहले सभी समीक्षाओं को एक चर में संयोजित करेंगे। फिर हम उनमें सबसे अधिक बार आने वाले शब्दों पर एक नज़र डालने जा रहे हैं, उम्मीद करते हैं कि यह पेंगुइन कैफे ऑर्केस्ट्रा पर और अधिक प्रकट करेगा।

## कलाकार के फ़ोल्डर पर पुनरावृति के लिए कोड और एक ही कलाकार की समीक्षा में एल्बम की समीक्षाओं को जोड़ना
आयात ओएस कलाकार_रेव्यू = ''कलाकार_पथ = 'पेंगुइन_कैफे_ऑर्केस्ट्रा' एल्बम = os.listdir(artist_path) एसटी   एल्बम in एल्बम: album_path = os.path.join(artist_path, एल्बम)
      साथ में खुला (एल्बम_पथ, 'आर', एन्कोडिंग = 'utf8') as फ़ाइल: समीक्षा = फ़ाइल.पढ़ें ()कलाकार_रिव्यू += समीक्षा

उथले-भाषाविज्ञान दृष्टिकोण का उपयोग करके हम कलाकार समीक्षा की जांच कर सकते हैं, जिसमें सभी उपलब्ध समीक्षाएं शामिल हैं। ऐसा करने के लिए हम एक शब्द क्लाउड बनाने के लिए matplotlib और शब्द क्लाउड का उपयोग करते हैं जो हमें पाठ में सबसे अधिक बार आने वाले शब्दों के बारे में अधिक बताएगा।

 
#आयात पैकेज

आयात matplotlib.pyplot as plt%matplotlib इनलाइन # क्लाउड शब्द को प्लॉट करने के लिए एक फ़ंक्शन को परिभाषित करें
डीईएफ़ प्लॉट_क्लाउड(वर्डक्लाउड): # फिगर साइज सेट करें plt.figure (figsize = (30, 10)) # प्रदर्शन छवि plt.imshow(वर्डक्लाउड) # कोई अक्ष विवरण नहीं plt.axis ("बंद"); #आयात पैकेज
से शब्दाडंबर आयात वर्डक्लाउड, स्टॉपवर्ड्स # क्लाउड शब्द उत्पन्न करें
वर्डक्लाउड = वर्डक्लाउड (चौड़ाई = ३०००, ऊँचाई = २०००, रैंडम_स्टेट = १, बैकग्राउंड_कलर = 'व्हाइट', कोलोकेशन =झूठा, स्टॉपवर्ड्स = STOPWORDS).generate(artist_review) # भूखंड
प्लॉट_क्लाउड (वर्डक्लाउड)

Fig.1: एक शब्द क्लाउड जिसमें सबसे अधिक उपयोग किए जाने वाले शब्द बड़े फ़ॉन्ट में और कम उपयोग किए जाने वाले एक छोटे फ़ॉन्ट में दिखाई देते हैं।

उनका संगीत आपको कैसा महसूस कराता है?

क्लाउड शब्द के लिए धन्यवाद, हम पेंगुइन कैफे ऑर्केस्ट्रा के बारे में अधिक जानते हैं। हम जानते हैं कि वे गिटार, पियानो और वायलिन जैसे वाद्ययंत्रों का उपयोग करते हैं, और वे लोक, जातीय और क्लासिक जैसे शैलियों का मिश्रण करते हैं।

फिर भी, हमें कलाकार की शैली के बारे में कोई जानकारी नहीं है। उनके काम से कौन-सी भावनाएँ निकलती हैं, यह देखकर हम और जान सकते हैं।

ऐसा करने के लिए, हम Expert.ai के NL API का उपयोग करने जा रहे हैं। कृपया दर्ज करें यहाँ उत्पन्न करें, SDK पर दस्तावेज़ ढूंढें यहाँ उत्पन्न करें और सुविधाओं पर यहाँ उत्पन्न करें.

### अजगर एसडीके स्थापित करें

!पाइप स्थापित करें Expertai-nlapi ## क्लाइंट को इनिशियलाइज़ करने के लिए कोड और फिर इमोशनल-ट्रेट्स टैक्सोनॉमी का उपयोग करें आयात os से Expertai.nlapi.cloud.client आयात ExpertAiClient क्लाइंट = ExpertAiClient () os.environ ["EAI_USERNAME"] = 'your_username' os.environ ["EAI_PASSWORD"] = 'your_password' इमोशन्स = [] वज़न = [] आउटपुट = क्लाइंट। वर्गीकरण (बॉडी = {"दस्तावेज़" : {"पाठ": कलाकार_रिव्यू}}, पैराम्स = {'वर्गीकरण': 'भावनात्मक-लक्षण', 'भाषा': 'एन'}) एसटी   वर्ग in आउटपुट। श्रेणियां: भावना = श्रेणी। लेबल वजन = श्रेणी। आवृत्ति भावनाएं। संलग्न करें (भावना) वजन। संलग्न करें (वजन) प्रिंट (भावनाएं) प्रिंट (वजन)

['खुशी', 'उत्साह', 'खुशी', 'मनोरंजन', 'प्यार']
[15.86, 31.73, 15.86, 31.73, 4.76]

वज़न प्राप्त करने के लिए हमने "फ़्रीक्वेंसी" का उपयोग किया जो वास्तव में एक प्रतिशत है। सभी आवृत्तियों का योग 100 है। यह भावनाओं की आवृत्तियों को एक पाई चार्ट के लिए एक अच्छा उम्मीदवार बनाता है, जिसे matplotlib का उपयोग करके प्लॉट किया जाता है।

#आयात पुस्तकालय

से matplotlib आयात पायप्लॉट as plt
आयात numpy as np #प्लॉट बनाना
रंग = ['#0081a7','#2a9d8f','#e9c46a','#f4a261', '#e76f51'] fig = plt.figure(figsize =(10, 7)) plt.pie(वजन, लेबल = भावनाएं, रंग = रंग, ऑटोपेक्ट = '% 1.1f%%') # प्लॉट दिखाओ
plt.show ()

Fig.2: प्रत्येक भावना और उसके प्रतिशत का प्रतिनिधित्व करने वाला एक पाई चार्ट।

उनका सबसे अच्छा एल्बम कौन सा है?

यदि आप उन्हें सुनना शुरू करना चाहते हैं, यह देखने के लिए कि क्या आप वही भावनाएँ महसूस करते हैं जो स्कारफ़िस ने उनके काम में पाईं, तो आप कहाँ से शुरू कर सकते हैं? हम प्रत्येक एल्बम के लिए भावना विश्लेषण पर एक नज़र डाल सकते हैं और उनके सर्वश्रेष्ठ लोगों का एक विचार प्राप्त कर सकते हैं। ऐसा करने के लिए, हम प्रत्येक एल्बम की समीक्षा पर पुनरावृति करते हैं और उनकी भावना और उसकी ताकत को पुनः प्राप्त करने के लिए Expert.ai NL API का उपयोग करते हैं।

## प्रत्येक एल्बम पर पुनरावृति और भावना को पुनः प्राप्त करने के लिए कोड

सेंटिमेंट_रेटिंग्स = [] एल्बम_नाम = [एल्बम[:-4] एसटी   एल्बम in एल्बम] एसटी   एल्बम in एल्बम: album_path = os.path.join(artist_path, एल्बम) साथ में खुला (एल्बम_पथ, 'आर', एन्कोडिंग = 'utf8') as फ़ाइल: समीक्षा = फ़ाइल। पढ़ें () आउटपुट = क्लाइंट। विशिष्ट_संसाधन_विश्लेषण (शरीर = {"दस्तावेज़": {"पाठ": समीक्षा}}, पैराम्स = {'भाषा': 'एन', 'संसाधन': 'भावना'} ) सेंटीमेंट = आउटपुट.सेंटिमेंट.ओवरऑल सेंटीमेंट_रेटिंग्स.एपेंड (सेंटीमेंट) प्रिंट (एल्बम_नाम) प्रिंट (सेंटिमेंट_रेटिंग)

['ब्रॉडकास्टिंग फ्रॉम होम', 'कॉन्सर्ट प्रोग्राम', 'म्यूजिक फ्रॉम द पेंगुइन कैफे', 'साइन्स ऑफ लाइफ']
[०, २, १, ०]
 

अब हम बार चार्ट का उपयोग करके प्रत्येक समीक्षा के लिए भावना की कल्पना कर सकते हैं। यह हमें पेंगुइन कैफे ऑर्केस्ट्रा के सर्वश्रेष्ठ एल्बम और उनके करियर पर त्वरित दृश्य प्रतिक्रिया देगा। ऐसा करने के लिए हम एक बार फिर matplotlib का उपयोग करते हैं।

आयात matplotlib.pyplot as plt plt.style.use('ggplot') album_names = [name[:-4] एसटी   नाम in एल्बम] plt.bar(albums_names, sense_ratings, color='#70A0AF') plt.ylabel("Album Rating") plt.title ("पेंगुइन कैफे ऑर्केस्ट्रा के एल्बम की रेटिंग") plt.xticks(albums_names, रोटेशन=70) plt ।प्रदर्शन()

मूल रूप से पोस्ट किया गया यहाँ उत्पन्न करें.