なぜ感情分析ツールを採用するのか?
意見を述べるユーザーによる製品レビューの指数関数的な増加、ソーシャルメディアでの即時的なコメント、そしてブログへの投稿は、幅広いトピックに関する一般の意見を、あらゆる言語で迅速に把握するためのソリューションを提供できるツールを必要としています。
Pangeanicの感情分析ツールは、書かれたテキストから肯定的または否定的な意見を自動的に抽出するためのカスタマイズ可能で強力かつ効果的な技術です。非構造化テキスト情報から特定の感情(強い嫌悪感や好み、恐怖、怒り、嫌悪感など)を検出するように調整することができます。これは、文(フラグメント)内での即時分析、またはテキストや文書のバッチ処理に対応したAPIです。Pangeaの感情分析ツールは、文書内の意見分類やレビュー評価の予測タスクなど、他の目的にも使用することができます。
感情分析ツールはどのように機能するのか?
感情分析には主に2つのアプローチがあります:従来の「辞書ベース」アプローチと新しい「学習ベース」アプローチです。
感情分析の従来のアプローチは辞書ベースです。このアプローチでは、テキスト内の単語の意味的方向性が、事前に定義された辞書から単語の極性を取得することで計算されます。
教師あり学習アプローチは、大規模な文書コーパスから特定のモデルを作成するために、ニューラルネットワークを用いた高度な機械学習技術を使用します。これらのデータは顧客ごとに異なり、関連性の選択(文書がグループに属し、分析すべきかどうかを事前に確認するためのクエリ)を含むことがあります。
肯定的および否定的な意見のサンプルセットと、それらの意見の変形がモデル構築のための訓練データを形成します。当社の機械学習技術は、初期段階から意見に対して80%以上の精度を達成します。各ケースにおける人間によるカスタマイズと言語フィルターが期待される品質に加わり、90%以上の精度を実現します。感情分析の難しさは、意見の構造が多くの場合、分野に依存し、時にはコンテキストに敏感であることに起因します。
Pangeaの感情分析ツールの独自のハイブリッドアプローチは、言語情報と統計情報の両方、および言語依存の複雑な意味規則セットの使用に基づいています。これに加えて、皮肉や一見否定的または肯定的な結果を分類するためのディープニューラルネットワークの使用により、独自かつ迅速な意見分類体験を提供します。
感情分析を成功裏に処理するためのアプローチ:
当社の言語学の専門家たちは、最も重要で頻繁に使用されるデータ分野(ホテル、レストラン、家電製品など)に合わせたオントロジーを作成しました。これらは以前は感情分析の基礎でしたが、現在ではデータが事前にラベル付けされたディープニューラルネットワークの学習データとなっています。顧客の好みに応じて、意見を様々な方法でグループ化することができます。
この場合、オレンジ色は否定的な意見、黄色は中立的な意見、青色は肯定的な意見を表します。以下は、当社のハイブリッド技術の組み合わせによる実際のサンプルです:
肯定的
否定的
中立的
コンテキスト
否定的:芸術作品が短かった
肯定的:旅行が短かったことが大好き
ニューラル検出(コンテキスト)
肯定的:ベイリーは私をショートさせた。彼は本当にアーティストだ。
否定/強調表現(ニューラル検出)
肯定的:このチーズバーガーは悪くない
否定的:価格に対してサービスが速すぎる
分野依存の意見
肯定的:小さい。軽い。持ち運べる。16Mb。ありがとう、パパ!
中立的:すべてのファンドが同じように作られているわけではない。