boldog vagy szomorú 5 28

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. A beszélgetés

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.


belső feliratkozási grafika


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.

A fagyos film érzelmi íve.

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”.

Ábra, amely összehasonlítja a Frozen csúcspontját annak boldog végével. A diagram teteje felé mutató kék sávok mutatják a legfelsőbb szavakat a pontszámkülönbséghez.

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