یک برنامه پایتون بنویسید که با استفاده از کتابخانه NLTK یک طبقه‌بند ساده Naive Bayes برای تشخیص پیام‌های مثبت و منفی بسازد و دقت آن را نمایش دهد.

برای حل این مسئله می‌توانید از مجموعه داده‌های آماده NLTK (مثل movie_reviews) یا یک لیست کوچک از متن‌های برچسب‌خورده استفاده کنید؛ سپس متن‌ها را توکنیزه کرده، به حروف کوچک تبدیل و در صورت نیاز توقف‌واژه‌ها را حذف و ریشه‌یابی انجام دهید. ویژگی‌ها را به‌صورت وجود/عدم وجود کلمات (feature dict مانند {'contains(word)': True}) استخراج کنید، داده‌ها را به مجموعه آموزش و تست تقسیم کنید، از nltk.NaiveBayesClassifier.train برای آموزش استفاده کرده و با nltk.classify.accuracy یا محاسبه دستی دقت را بسنجید. نکات: قبل از اجرا نیاز به nltk.download برای کورپوس‌ها و توقف‌واژه‌ها دارید، برای سرعت می‌توانید واژگان را به N کلمه پراستفاده محدود کنید و با random.seed نتیجه تکرارشونده به‌دست آورید.