Gondoljon arra, amit ma megosztott barátaival a Facebookon. Vajon „stressz” vagy „kudarc”, esetleg „öröm”, „szeretet” vagy „izgalom” érzése volt? Valahányszor a közösségi médiában teszünk közzé, hagyjuk a hangulat nyomát.
Érzelmeink értékes árucikkek, és sok vállalat automatizált eszközöket fejleszt ki, hogy felismerje őket a hangulatelemzés néven ismert folyamatban.
Nemrégiben kiszivárgott jelentés kiderült hogy a Facebook képes azonosítani, amikor a fiatalok kiszolgáltatottnak érzik magukat, bár a vállalatnak van ragaszkodott hozzá, hogy nem használta az elemzést reklámozással célozni a felhasználókat. Facebook bocsánatot is kért 2014-ben egy kísérlet az „érzelmi fertőzésről”, amelyben a „pozitív” vagy „negatív” érzelmű hozzászólásokat kiszűrték a felhasználók hírcsatornáiból.
Nyilvánvaló, hogy a szövegből származó érzelmek észlelésének képessége nagyon érdekes a közösségi média cégei, valamint a hirdetők számára. De hogyan működik az érzelmek elemzése, miért hasznos és mik a veszélyei?
Hogyan működik az érzelmek elemzése?
Noha a Facebook saját algoritmusának részletei nem nyilvánosak, a hangulatelemzési technikák többsége két kategóriába sorolható: felügyelt vagy felügyelet nélküli.
A felügyelt módszerek a címkézett adatokra támaszkodnak. Más szavakkal, ezek olyan bejegyzések, amelyeket manuálisan minősítettek pozitív vagy negatív érzelmeket tartalmazó kategóriába.
Ezután statisztikai módszereket alkalmaznak a modellek képzésére, hogy automatikusan hozzárendeljék az új hozzászólásokat az előre meghatározott szavak vagy kifejezések jelenléte alapján, például „hangsúlyos” vagy „nyugodt”.
A felügyelet nélküli módszerek viszont gyakran a különböző szavak pontszótárának kiépítésére támaszkodnak. Egy ilyen szótár A munkatársaim által kifejlesztett emberek arra kérték az embereket, hogy adjáknak 1–9 boldogsági pontszámot a különböző szavaknak, majd átlagolták az eredményeket: például a „szivárvány” 8.06, míg a „haszontalan” 2.52-et kapott.
Ezután egy kifejezés általános hangulatát úgy lehet megszerezni, hogy megnézzük a bejegyzés összes szavát. Például az "Anyukám mindig azt mondta," az élet olyan, mint egy doboz csokoládé "című bejegyzés átlagos pontszáma átlagon felüli 6.02 e szótár szerint, ami azt sugallja, hogy pozitív érzést fejez ki.
Mire használják az érzelmek elemzését?
A hangulatelemzést a marketingszakemberek egyre inkább használják tanulmányozza a trendeket és terméktanácsokat ad.
Képzelje el, hogy megjelent egy új mobiltelefon; a telefonról szóló közösségi média bejegyzések hangulati elemzése értékes, valós idejű betekintést nyújthat a vállalatnak a teljesítményükbe.
A hangulatelemzés szélesebb körben alkalmazható. A kutatók nemrégiben nyomon követte Donald Trump Twitter-érzelmét az elnökségének első 100 napjában és a épített botokat piaci kereskedések lebonyolítására amikor pozitívan vagy negatívan tweetel az egyes vállalatokról.
A tudósok az érzelmi trendeket más szövegekben is nyomon követhetik. Például érzelmi elemzéssel tanulmányoztuk több mint 1,000 film érzelmi ívét a forgatókönyveiken keresztül. A 2013-as Disney film Frozen íve az alábbiakban látható.
Sok film hasonló mintázatot mutat: a feszültség és a felszabadulás szabályos csúcsait és mélységeit, majd egy különösen nagy vályút követi a film teljes útjának 80% -a (minden remény elvész!), Mielőtt a végső felbontás és a happy end befejeződik. A regényekre hasonló elemzést alkalmazva megmutattuk a legtöbb történet a hat alapvető történetív egyikét követi.
Még mindig nem vagyunk olyan jók az érzelmek elemzésében
Tekintettel arra, hogy az érzelmek elemzése gyakran a közösségi média bejegyzéseinek bányászatára támaszkodik, ez komoly etikai aggályokat vet fel, és ez a vita csak most kezdődik. A nyelv és a jelentés összetett jellege mégis hajlamos a tévedésre.
Vegyük a „Lehet veletek az erő” kifejezést, amely szótárunk elemzésével 5.35-ös eredményt ér el. Bármely Star Wars-rajongó számára ez természetesen rendkívül pozitív kifejezés, de tesztünkben szerény eredményt ért el, mert az „erő” szót átlag alatti 4.0-re értékelték.
Ez érthető, ha ezt a szót külön értékeljük, de összefüggésében kevésbé van értelme.
Ezért indokolt bizonyos szkepticizmus a Facebook hangulatelemző képességeinek érvényességével kapcsolatban. Teljesen elképzelhető, hogy a Facebookon valami „teljesen betegnek” minősítve, a köznyelv jóváhagyásának kifejezése az egyén érzelmi állapotának téves osztályozásához vezethet.
Annak megértéséhez, hogy a hangulatelemzés mikor működik és nem, fontos megvizsgálni azokat a szavakat, amelyek bizonyos eredményeket eredményeznek.
Ehhez a „szóeltolás”Diagramok, mint például az alábbiak a Frozen esetében. Ez megmutatja, hogy mely szavak tették szomorúbbá a forgatókönyv csúcspontját, mint annak boldog befejezése: több utalás a „szomorúságra” és a „félelemre”, de furcsa módon „szebb”.
Ígéret és figyelmeztetés
Az érzelmek elemzése hatékony eszköz, de ez csak egy fiatal tudomány, és körültekintően kell használni.
A tudósoknak olyan eszközöket kell kifejleszteniük, amelyek lehetővé teszik a „motorháztető alatt” való bepillantást, és megértik, hogy egyes algoritmusok miért hozzák eredményeiket. Csak így lehet diagnosztizálni a problémákat különböző módszerekkel, és ami még fontosabb, hogy a nyilvánosságot oktassák a terület lehetőségeiről és korlátairól.
A hangulatelemzés kutatása nagyrészt nagy, nyilvános adatsorokra épült, különösen a közösségi médiából. Fontos, hogy ön akaratlanul is szolgáltassuk az adatokat, hogy megértsék, mire és hogyan lehet felhasználni, és hogyan.
A szerzőről
Lewis Mitchell, az alkalmazott matematika oktatója, Adelaide-i Egyetem. Michelle Edwards közreműködött ebben a cikkben.
Ezt a cikket eredetileg közzétették A beszélgetés. Olvassa el a eredeti cikk.
Kapcsolódó könyvek:
at InnerSelf Market és Amazon