χαρούμενος ή λυπημένος 5 28

Σκεφτείτε τι μοιραστήκατε με τους φίλους σας στο Facebook σήμερα. Ήταν συναισθήματα «στρες» ή «αποτυχίας», ή ίσως «χαρά», «αγάπη» ή «ενθουσιασμός»; Κάθε φορά που δημοσιεύουμε στα social media, αφήνουμε ίχνη από τη διάθεσή μας. Η Συνομιλία

Τα συναισθήματά μας είναι πολύτιμα αγαθά και πολλές εταιρείες αναπτύσσουν αυτοματοποιημένα εργαλεία για να τα αναγνωρίζουν σε μια διαδικασία γνωστή ως ανάλυση συναισθήματος.

Πρόσφατα διέρρευσε μια αναφορά αποκάλυψε ότι το Facebook μπορεί να εντοπίσει πότε οι νέοι αισθάνονται ευάλωτοι, αν και η εταιρεία το έχει επέμεινε ότι δεν χρησιμοποίησε την ανάλυση για τη στόχευση χρηστών με διαφημίσεις. Facebook ζήτησε επίσης συγγνώμη το 2014 για μια πείραμα σχετικά με τη «συναισθηματική μετάδοση» στην οποία οι αναρτήσεις με «θετικό» ή «αρνητικό» συναίσθημα φιλτράρονταν από τις ροές των χρηστών.

Σαφώς, η ικανότητα ανίχνευσης συναισθημάτων από κείμενο ενδιαφέρει πολύ τις εταιρείες κοινωνικής δικτύωσης, καθώς και τους διαφημιστές. Πώς όμως λειτουργεί η ανάλυση συναισθήματος, γιατί είναι χρήσιμη και ποιοι είναι οι κίνδυνοι;

Πώς λειτουργεί η ανάλυση συναισθήματος;

Ενώ οι λεπτομέρειες του αλγόριθμου του ίδιου του Facebook δεν είναι δημοσίως γνωστές, οι περισσότερες τεχνικές ανάλυσης συναισθήματος εμπίπτουν σε δύο κατηγορίες: υπό επίβλεψη ή χωρίς επίβλεψη.


εσωτερικά εγγραφείτε γραφικό


Οι εποπτευόμενες μέθοδοι βασίζονται σε δεδομένα με ετικέτα. Με άλλα λόγια, πρόκειται για αναρτήσεις που έχουν ταξινομηθεί χειροκίνητα ως περιέχουν θετικό ή αρνητικό συναίσθημα.

Στη συνέχεια, χρησιμοποιούνται στατιστικές μέθοδοι για την εκπαίδευση των μοντέλων ώστε να ταξινομούν αυτόματα τις νέες δημοσιεύσεις με βάση την παρουσία προκαθορισμένων λέξεων ή φράσεων, για παράδειγμα «αγχωμένος» ή «χαλαρός».

Οι μέθοδοι χωρίς επίβλεψη, από την άλλη πλευρά, βασίζονται συχνά στη δημιουργία ενός λεξικού βαθμολογιών για διαφορετικές λέξεις. Ένα τέτοιο λεξικό που αναπτύχθηκε από τους συνεργάτες μου ζήτησε από τους ανθρώπους να δώσουν βαθμολογία ευτυχίας από 1 έως 9 σε διαφορετικές λέξεις και στη συνέχεια υπολόγισαν τα αποτελέσματα κατά μέσο όρο: το "ουράνιο τόξο", για παράδειγμα, σημείωσε 8.06, ενώ το "άχρηστο" παίρνει 2.52.

 

Το συνολικό συναίσθημα μιας φράσης μπορεί στη συνέχεια να βαθμολογηθεί κοιτάζοντας όλες τις λέξεις στη δημοσίευση. Για παράδειγμα, ο μέσος όρος βαθμολογίας για τη δημοσίευση «Η μαμά μου έλεγε πάντα «η ζωή είναι σαν ένα κουτί σοκολάτες»» είναι πάνω από το μέσο όρο 6.02 σύμφωνα με αυτό το λεξικό, υποδηλώνοντας ότι εκφράζει ένα θετικό συναίσθημα.

Σε τι χρησιμοποιείται η ανάλυση συναισθήματος;

Η ανάλυση συναισθήματος χρησιμοποιείται όλο και περισσότερο από τους επαγγελματίες του μάρκετινγκ μελετήστε τις τάσεις και κάνετε προτάσεις προϊόντων.

Φανταστείτε να κυκλοφορήσει ένα νέο κινητό τηλέφωνο. μια ανάλυση συναισθήματος των αναρτήσεων στα μέσα κοινωνικής δικτύωσης σχετικά με το τηλέφωνο μπορεί να δώσει σε μια εταιρεία πολύτιμες πληροφορίες σε πραγματικό χρόνο για την απόδοσή της.

Υπάρχουν ευρύτερες εφαρμογές της ανάλυσης συναισθημάτων. Οι ερευνητές πρόσφατα παρακολούθησε το συναίσθημα του Ντόναλντ Τραμπ στο Twitter τις πρώτες 100 ημέρες της προεδρίας του και κατασκεύασε bots για την τοποθέτηση συναλλαγών στην αγορά όταν κάνει tweet θετικά ή αρνητικά για συγκεκριμένες εταιρείες.

Οι επιστήμονες μπορούν να παρακολουθούν τις συναισθηματικές τάσεις και σε άλλα κείμενα. Για παράδειγμα, χρησιμοποιήσαμε την ανάλυση συναισθημάτων για να μελετήσουμε τα συναισθηματικά τόξα περισσότερων από 1,000 ταινιών μέσω των σεναρίων τους. Το τόξο της ταινίας Frozen του 2013 της Disney φαίνεται παρακάτω.

Συναισθηματικό τόξο για την ταινία Frozen.

Πολλές ταινίες παρουσιάζουν παρόμοια μοτίβα: κανονικές κορυφές και κατώφλια έντασης και απελευθέρωσης, ακολουθούμενα από ένα ιδιαίτερα μεγάλο κατώφλι στο 80% της διαδρομής της ταινίας (κάθε ελπίδα χάνεται!), πριν από την τελική ανάλυση και το αίσιο τέλος. Εφαρμόζοντας παρόμοια ανάλυση στα μυθιστορήματα, το δείξαμε Οι περισσότερες ιστορίες ακολουθούν ένα από τα έξι βασικά τόξα ιστορίας.

Δεν είμαστε ακόμα τόσο καλοί στην ανάλυση συναισθημάτων

Δεδομένου ότι η ανάλυση συναισθήματος βασίζεται συχνά στην εξόρυξη αναρτήσεων στα μέσα κοινωνικής δικτύωσης, εγείρει σημαντικές ηθικές ανησυχίες και αυτή η συζήτηση μόλις αρχίζει. Ωστόσο, η περίπλοκη φύση της γλώσσας και του νοήματος την καθιστά επιρρεπή σε σφάλματα.

Πάρτε τη φράση, «May the force be with you», η οποία βαθμολογείται με 5.35 χρησιμοποιώντας την ανάλυση του λεξικού μας. Για οποιονδήποτε θαυμαστή του Star Wars, είναι φυσικά μια εξαιρετικά θετική φράση, αλλά σημείωσε μέτρια βαθμολογία στη δοκιμή μας, επειδή η λέξη "δύναμη" βαθμολογείται με 4.0 κάτω από το μέσο όρο.

Αυτό είναι κατανοητό όταν αξιολογείτε αυτή τη λέξη μεμονωμένα, αλλά στο πλαίσιο έχει λιγότερο νόημα.

Ως εκ τούτου, δικαιολογείται κάποιος σκεπτικισμός σχετικά με την εγκυρότητα των δυνατοτήτων ανάλυσης συναισθήματος του Facebook. Είναι απολύτως κατανοητό ότι η περιγραφή κάτι ως «εντελώς άρρωστο» στο Facebook, μια φράση αποδοχής της καθομιλουμένης, θα μπορούσε να οδηγήσει σε εσφαλμένη ταξινόμηση της συναισθηματικής κατάστασης ενός ατόμου.

Για να κατανοήσετε πότε η ανάλυση συναισθήματος λειτουργεί και πότε δεν λειτουργεί, είναι σημαντικό να εξετάσετε τις λέξεις που οδηγούν συγκεκριμένα αποτελέσματα.

Για να γίνει αυτό, χρησιμοποιούμε "μετατόπιση λέξης” διαγράμματα, όπως το παρακάτω για το Frozen. Αυτό δείχνει ποιες λέξεις έκαναν την κορύφωση του σεναρίου πιο θλιβερή από το χαρούμενο τέλος του: περισσότερες αναφορές στη «λύπη» και τον «φόβο», αλλά περιέργως, πιο «όμορφη».

Η πλοκή συγκρίνει την κορύφωση του Frozen με το αίσιο τέλος του. Οι μπλε ράβδοι προς την κορυφή του γραφήματος εμφανίζουν τις κορυφαίες λέξεις που συμβάλλουν στη διαφορά στη βαθμολογία.

Υπόσχεση και προειδοποίηση

Η ανάλυση συναισθημάτων είναι ένα ισχυρό εργαλείο, αλλά είναι απλώς μια νέα επιστήμη και πρέπει να χρησιμοποιείται με προσοχή.

Οι επιστήμονες πρέπει να αναπτύξουν εργαλεία που μας επιτρέπουν να κοιτάμε «κάτω από την κουκούλα» και να κατανοούμε γιατί ορισμένοι αλγόριθμοι παράγουν τα αποτελέσματα που κάνουν. Αυτός είναι ο μόνος τρόπος για τη διάγνωση προβλημάτων με διαφορετικές μεθόδους και, το πιο σημαντικό, για την εκπαίδευση του κοινού σχετικά με τις δυνατότητες και τους περιορισμούς του τομέα.

Η έρευνα για την ανάλυση συναισθήματος έχει βασιστεί σε μεγάλο βαθμό σε μεγάλα, δημόσια σύνολα δεδομένων, ιδιαίτερα από τα μέσα κοινωνικής δικτύωσης. Είναι σημαντικό όσοι από εμάς παρέχουμε άθελά μας τα δεδομένα να κατανοήσουμε σε τι μπορούν και δεν μπορούν να χρησιμοποιηθούν και πώς.

Σχετικά με το Συγγραφέας

Lewis Mitchell, Λέκτορας Εφαρμοσμένων Μαθηματικών, Πανεπιστήμιο της Αδελαΐδας. Η Michelle Edwards συνέβαλε σε αυτό το άρθρο.

Αυτό το άρθρο δημοσιεύθηκε αρχικά στις Η Συνομιλία. Διαβάστε το αρχικό άρθρο.

Σχετικές Βιβλία:

at InnerSelf Market και Amazon