『SiEBERT - English-Language Sentiment Classification』のモデルを使って英文の感情分類をします。英文の各文章の感情をポジティブ・ネガティブで分類してみたいと思います。
Hartmann, Jochen and Heitmann, Mark and Siebert, Christian and Schamp, Christina, “More than a feeling: Accuracy and Application of Sentiment Analysis”, International Journal of Research in Marketing(2022)
ここではhuggingface上のsiebert/sentiment-roberta-large-englishのモデルを使用しています。Google Colab上でtransformersを使用する場合は事前にtransformersをインストールする必要があります。
import numpy as np
from transformers import pipeline
from IPython.display import HTML
sentiment_pipeline = pipeline(
"sentiment-analysis", model="siebert/sentiment-roberta-large-english"
)
テキスト全体を「.」で区切ることで、一文ごとに分けています。
ここではPetrobras Webcast – 3rd Quarter Results 2022 November 5, 2022の文字起こしデータを使用しています。
transcript = """Hello!Hello!Hello!Hello!Hello!"""
ts_list = [ts for ts in transcript.split(".") if len(ts) > 20]
scores = sentiment_pipeline(ts_list)
ポジティブ・ネガティブのラベルと、そのスコアを用いて結果を可視化してみます。
for t, s in zip(ts_list, scores):
score = np.round(float(s["score"]), 4) # 感情スコア
font_weight = "bold" if score > 0.995 else "normal" # 表示する文字の太さ
# 感情ごとに色を分けて表示
if s["label"] == "NEGATIVE":
r = 255 - 10 * int(1000 - score * 1000)
display(
HTML(
f"[score={score}] <span style='color:rgb({r},100,100);font-weight:{font_weight};'>{t}</span>"
)
)
elif s["label"] == "POSITIVE":
g = 255 - 10 * int(1000 - score * 1000)
display(
HTML(
f"[score={score}] <span style='color:rgb(100,{g},100);font-weight:{font_weight};'>{t}</span>"
)
)
[score=0.9976] Hello!Hello!Hello!Hello!Hello!