Տեքստի էմոցիաների վերլուծություն արհեստական բանականության միջոցով

Տեքստի էմոցիաների վերլուծություն — տեքստի համատեքստային արդյունահանում, որը նույնականացնում և արտածում է սուբյեկտիվ տեղեկատվությունը աղբյուրի նյութում և բիզնեսին օգնում է հասկանալ իրենց ապրանքանիշի, արտադրանքի կամ ծառայության սոցիալական տրամադրությունը` առցանց խոսակցությունը դիտարկելիս։ Տեքստի էմոցիոնալ վերլուծությունը իր մեջ ներառում է տեքստի․

1. Զգայական վերլուծություն
2. Մտադրության վերլուծություն

Էմոցիոնալ վերլուծության են ենթարկում սոցիալական ցանց տեղադրված հաղորդակցությունները, պրոդուկտի պաշտոնական էջում հրապարակումները, թեմայի վերաբերյալ հոդվածները։

Պատմություն

Տեքստի էմոցիաների ավանդական ֆիլտրման եղանակը իր մեջ ներառում էր միայն հիմնաբառի և մի քանի հարակից բառերի որոնումով պայմանավորված հաղորդագրությունների զտման միջոցով գեներացված ինֆորմացիան։ Բայց այս եղանակը ակնհայտորեն չի արտահայտում մարդկանց իրական էմոցիաները տվյալ թեմայի վերաբերյալ։ Այս ոլորտում, վերջին նվաճումներից հետո, հնարավոր է դարձել շատ ավելի խորը վերլուծության ենթարկել առցանց հաղորդագրությունները։

Զգայական վերլուծություն

Մեքենայական ուսուցման և արհեստական ինտելեկտի աջակցությամբ ապահովված տեխնոլոգիաները հնարավորություն են տվել վերլուծել տեքստը բազմաթիվ աղբյուրներից շատ ավելի ճշգրիտ և հստակ։ Ավելորդ է ասել, որ տեքստից հույզերը տարանջատելու կարողությունը շատ արժեքավոր գործիք է, և կարող է բարելավել բիզնեսի եկամտաբերությունը։ Արհեստական բանականությունները(AI), որոնք ստեղծվել են տեքստում էմոցիաները դուրս բերելու համար, սկզբում դիտարկվող հաղորդագրություններից հանում են բոլոր նրանք, որոնք կապ չունեն թեմայի հետ և միայն դրանից հետո արդեն հետազոտում մնացած հաղորդագրությունները, հենվելով մի քանի հիմնական կետերի վրա․

Հասկացություններ, որոնք հաղորդակցվում են ուժեղ հույզերի հետ `«սեր», «կարիք», «ցանկություն», «մոլուցք», «ունենալու ուժեղ ցանկություն», կամ «ատել»,«չկարողանալ տանել», «ամենավատ», «սարսափելի» և այլն։

Սարկազմ / ժարգոն` Կա՞ն արդյոք բառեր, որոնք օգտագործվում են հակառակ հույզերը փոխանցելու համար, թե դրանք ուղիղ իմաստով գործածված բառեր են։ Կան՞ փոփ մշակույթի հղումներ, կամ ժարգոնային բառեր, որոնք ավելի խորը իմաստ են բացահայտում։

էմոջիներ` Այս փոքրիկ գրաֆիկները հաճախ սոցիալական գրառումների հուզական «կետադրությունն են» և հիմնականում շատ լավ փոխանցում են գրառման տակ թաքնված էմոցիան։

AI-ը, հաշվի առնելով այսպիսի հասկացություններից քանիսն են դրական, բացասական, կամ չեզոք, և նրանց հարաբերությունները, գալիս է եզրահանգման, թե հաղորդագրությունը գրելիս մարդը ինչ կարծիք է ունեցել տվյալ պրոդուկտի մասին։

1. Դրական
2. Բացասական
3. Չեզոք

Այս մեթոդով ներբեռնվում են բոլոր, թեմայի հետ կապ ունեցող հաղորդագրությունների մեջ արտահայտվող էմոցիաները, և արդեն վերջում, տիրապետելով այս ամբողջ ինֆորմացիային, հեշտ է հասկանալ պրոդուկտի նկատմամբ վերաբերմունքը, և միջոցները էֆեկտիվ ծախսելով, բարելավվել մարդկանց կարծիքը դրա մասին։

Մտադրության վերլուծություն

Մտադրությունը վերլուծության ենթարկելիս մենք փորձում ենք հասկանալ հաղորդագրությունը գրած մարդու նպատակը(մտադրությունը)։
Օրինակ՝

1. Կարծիք
2. Մարկետինգ
3. Բողոք
4. Առաջարկություն
5. Հարցում
6. Նորություն

Եվ արդեն դրանից հետո հետազոտությունը պատվիրած կազմակերպության ենթակայության տակ աշխատող, հստակ առաջադրանք կատարող վարչությունները կունենան իրենց վերաբերվող ամբողջ տեղեկությունը և կխնայեն մեծ քանակությամբ ժամանակ և միջոց՝ խնդիրները շտկելու գործում։

Հասանելիությունը

Պետք է նշել, որ տեքստի էմոցիաների վերլուծությունը լավագույնը կկատարի արհեստական բանականությունը, և այս նպատակի համար նախատեսված անալիտիկ արհեստական բանականությունը դեռևս կատարելագործվում է։ Այդ իսկ պատճառով այսպիսի ծառայություններից օգտվում են միայն գերխոշոր ընկերությունները, այն՝ նրանց համար անհրաժեշտ լինելու պատճառով։ Այս ուղղությամբ AI կազմակերպությունների քսանյակի մեջ աշխատում են Quavantis, Cis, Third eye ընկերությունները, որոնց հաճախորդների մեջ են մտնում այնպիսի հսկաներ, ինչպիսիք են Մայքրոսոֆթը,Գուգլը,Կոկա-Կոլան,Պեպսին, Ուբերը և մի շարք այլ գերհսկա կազմակերպություններ։ Ավելի փոքր կազմակերպությունների համար այս ծառայությունը դեռևս հասանելի չի։

Գրականություն

• Neural Network Methods in Natural Language Processing: Joav Goldberg
• Sentiment Analysis in Social Networks
• Sentiment Analysis: Mining Opinions, Sentiments, and Emotions: Bing Liu
• Sentiment Analysis and Opinion Mining: Bing Liu
• Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks: Chaudhuri Arindam

Աղբյուրներ

• towardsdatascience.com
• https://thirdeyedata.io
• https://habr.com
• https://www.lexalytics.com
• monkeylearn.com

Արտաքին հղումներ

https://towardsdatascience.com/sentiment-analysis-is-difficult-but-ai-may-have-an-answer-a8c447110357
https://towardsdatascience.com/sentiment-analysis-concept-analysis-and-applications-6c94d6f58c17
https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%D0%BD%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%B0
https://www.netbase.com/blog/ai-series-demystifying-ai-in-sentiment-analysis/
https://www.researchgate.net/publication/330880816_Sentiment_Analysis_of_News_Articles_A_Lexicon_based_Approach
https://99firms.com/ai-companies/#gref