Блог → Будущее анализа тональности

Моя цель заключается в исследовании модальностей, или того, как информационная технология помогает нам добраться до эмоциональной и оценочной информации (эти пункты будут подробно разобраны на организуемой мною конференции, посвященной анализу социальных медиа и вовлеченности; Sentiment Analysis Symposium, 30 октября в Сан-Франциско).

Начну с ключевого определения: Анализ тональности системно ранжирует эмоциональные состояния людей по положительной или отрицательной полярности, нейтральной или смешанной ценности или по настроению, эмоциям, чувствам (раздражение, счастье, грусть, гордость, разочарование и т.д.). Все эти данные по тональности применимы в контексте реальных бизнес-целей.

Далее мы изучим два вопроса: Какие есть типы анализа тональности? И в каком направлении развивается анализ тональности?

Данная статья подробно раскрывает мой ответ на вопросы, заданные на Quora о типах анализа тональности, а также отвечает на еще один вопрос о будущем анализа тональности.

Шесть типов анализа тональности

«К какому типу людей она относится?» На этот вопрос есть множество ответов.

Каждого из нас можно отнести ко многим типам в соответствии с демографическими признаками
(пол, возраст, раса, доход и др.), личностью, интересами, работой и так далее. Мы относимся ко многим типам одновременно. Любой вопрос, имеющий форму «Какие есть типы х?» имеет много ответов, в том числе когда х это анализ тональности.

Разумеется, нас больше всего интересуют самые важные типы анализа тональности. Вот они, на мой взгляд:

1. От крупнозернистости до мелкозернистости. В некоторых анализах различают тональность на уровне корпуса текстов или пространства данных (напр., для набора обзоров или ответов на опрос); в других подсчитывают конкретные документы или сообщения; в третьих – раскладывают тональность на уровне сущности (напр., человек, место или компания), темы или концепции. Для некоторых бизнес-приложений крупнозернистый анализ подходит, но для других нужна мелкозернистость.

2. Индивидуальность против совокупности. В ходе анализа можно искать отдельные случаи («упоминания») или совокупности по группам или источникам, тенденциям отслеженным за период времени. Если вы работаете в службе клиентской поддержки, например, вам нужно получить каждое упоминание, но если вы изучаете ситуацию на рынке, вы ищете более крупную картину.

3. Мера. В процессе анализа может ранжироваться тональность по абсолютной шкале или может искаться относительная/сравнительная тональность («Меня не особо волнует спорт, но я предпочитаю баскетбол хоккею») и измеряться варьирование и интенсивность.

Я считаю, что указанные три фактора недооцениваются и плохо используются. Слишком много инструментов ранжируют обзор с 8 положительными очками, где 7 отрицательных – умеренно положительны. Однако высокая степень варьирования должна обозначить обзор как интересный, особенно если есть сильные положительные и сильные отрицательные отзывы, то есть сильные мнения против умеренных мнений. Изменение тональности всегда заметно. Оно вынуждает спросить: что вызвало разные точки зрения?

4. Сосредоточенность или интеграция. Нужно ли вам выходить за пределы простых чисел, чтобы узнать о спаде, основных причинах и прогнозах?

Интегрированный анализ нацелен на связь тональности с психологическим профилем, поведением, демографическими характеристиками, операциями, событиями и(или) другими данными.

Как это происходит. Вот пять разных способов функционального анализа тональности:

1) Анализ, проводимый опытными аналитиками.

2) «Краудсорсинг», проводимый людьми без опыта.

3) Автоматизированный анализ информации, полученной из неструктурных источников, таких как текст, аудио, изображения и видео – например, обработка текста на естественных языках (natural-language processing, NLP).

4) Анализ голосования по категориям или опросных вопросов (например, «Оцените свое пребывание в отеле по шкале от 1 до 5») или эквивалентных звездных рейтингов.

5) Выведение тональности из численной статистики, например, коммерческих запасов, потребительских расходов, уровней вложений и пр. В автоматизированной NLP могут использоваться лингвистические, статистические методы и(или) методы машинного осмысления.

5. Отдача инвестиций. Есть анализ тональности, дающий бизнес-ценность, а есть анализ, приятный глазу. Мы видим множество примеров анализа социальных медиа и бизнес-аналитических платформ, выражающих тональность в виде диаграмм, линий трендов, разноцветных облачков со словами и других графических объектов. Я пришел к выводу, что большинства из них вам не достаточно для принятия решения: они дают вам информацию (иногда точную, иногда нет), но не передают значение и не предлагают способы использования информации для улучшения процесса принятия бизнес-решений.

Тип анализа тональности, который будет эффективен для вас, это анализ, ориентированный на ваши бизнес-цели. Отталкивайтесь от ваших целей, чтобы понять тип проникновения, который лучше всего поможет вам в принятии лучших бизнес-решений. Решите, какие источники данных вам нужно изучить, и какие аналитические методы и какая глубина детальности здесь подходит. Точно определите, что вы собираетесь измерить, и как вы собираетесь связать тональность с избытком других типов доступных данных. После этого вы остановитесь на рентабельности инвестиций – единственном действительно значимом типе анализа тональности: анализе тональности, дающем бизнес-ценность.

Будущие направления

Давайте в качестве заключения заглянем вперед. Анализ тональности развивается в следующих важных направлениях:  

• Как отрасль. Использование анализа тональности растет в области бизнеса и бизнес-применениях. Отрицательное отношение к автоматизации не утихает, но должно сойти на нет по мере перехода поставщиков к услугам, основанным на продвинутом семантическом анализе с уровнем признаков, ориентированных на бизнес-потребности, и отказа от упрощенных решений, основанных на работе с клавиатурой.
• Рассмотрение источников. Определение и использование эмоций в речи и изображениях (язык мимики и тела) в заснятом на видео поведении используется все чаще, особенно в области безопасности и при личных продажах. Появление специализированных решений для языков рынков меньшего размера все еще будет зависеть от спроса.
• Концентрация на намерении. Мы стараемся понять не только как люди чувствуют, но и что их чувства, связанные с данными, полученными из разных релевантных взаимодействующих источников, говорят о планах.
• Моделирование с предсказанием. Анализ тональности становится топливом для формирования мнения, отношения и эмоций.

Конечным результатом будет вклад анализа тональности в процесс создания смысла, автоматизацию интеллекта, позволяющую машинам понимать и действовать в соответствии со спектром сигналов, присутствующих в мире людей.