Մասնակից:Arman011/Ավազարկղ
Տեքստի էմոցիաների վերլուծություն — տեքստի համատեքստային հանքարդյունաբերություն, որը նույնականացնում և արդյունահանում է սուբյեկտիվ տեղեկատվությունը աղբյուրի նյութում, և բիզնեսին օգնում է հասկանալ իրենց ապրանքանիշի, արտադրանքի կամ ծառայության սոցիալական տրամադրությունը` առցանց խոսակցությունը դիտարկելիս:
Տեքստի էմոցիոնալ վերլուծությունը իր մեջ ներառում է տեքստի․
1.Զգայական վերլուծություն
2.Մտադրության վերլուծություն
Էմոցիոնալ վերլուծության են ենթարկում սոցիալական ցանց տեղադրված հաղորդակցությունները, պրոդուկտի պաշտոնական էջում հրապարակումները, թեմայի վերաբերյալ հոդվածները։
Պատմություն[խմբագրել | խմբագրել կոդը]
Տեքստի էմոցիաների ավանդական ֆիլտրման եղանակը իր մեջ ներառում էր միայն հիմնաբառի և մի քանի հարակից բառերի որոնումով պայմանավորված հաղորդագրությունների զտման միջոցով գեներացված ինֆորմացիան։ Բայց, այս եղանակը ակնհայտորեն չի արտահայտում մարդկանց իրական էմոցիաները տվյալ թեմայի վերաբերյալ։ Այս ոլորտում, վերջին նվաճումներից հետո, հնարավոր է դարձել շատ ավելի խորը վերլուծության ենթարկել առցանց հաղորդագրությունները։
Զգայական վերլուծություն[խմբագրել | խմբագրել կոդը]
Մեքենայական ուսուցման և արհեստական ինտելեկտի աջակցությամբ ապահովված տեխնոլոգիաները հնարավորություն են տվել վերլուծել տեքստը բազմաթիվ աղբյուրներից `շատ ավելի ճշգրիտ և հստակ: Ավելորդ է ասել, որ տեքստից հույզերը տարանջատելու կարողությունը շատ արժեքավոր գործիք է, և կարող է բարելավել բիզնեսի եկամտաբերությունը։ Արհեստական բանականությունները(AI), որոնք ստեղծվել են տեքստում էմոցիաները դուրս բերելու համար, սկզբում դիտարկվող հաղորդագրություններից հանում են բոլոր նրանք, որոնք կապ չունեն թեմայի հետ և միայն դրանից հետո արդեն հետազոտում մնացած հաղորդագրությունները, հենվելով մի քանի հիմնական կետերի վրա․
Հասկացություններ, որոնք հաղորդակցվում են ուժեղ հույզերի հետ `« սեր », « կարիք », « ցանկություն », « մոլուցք », « ունենալու ուժեղ ցանկություն », կամ « ատել »,« չկարողանալ տանել » ,« ամենավատ » ,« սարսափելի » և այլն:
Սարկազմ / ժարգոն` Կա՞ն արդյոք բառեր, որոնք օգտագործվում են հակառակ հույզերը փոխանցելու համար, թե դրանք ուղիղ իմաստով գործածված բառեր են: Կան՞ փոփ մշակույթի հղումներ, կամ ժարգոնային բառեր, որոնք ավելի խորը իմաստ են բացահայտում:
էմոջիներ` Այս փոքրիկ գրաֆիկները հաճախ սոցիալական գրառումների հուզական «կետադրականությունն են» և հիմնականում շատ լավ փոխանցում են գրառման տակ թաքնված էմոցիան։
AI-ը հաշվի առնելով այսպիսի հասկացություններից քանիսնեն դրական, բացասական, կամ չեզոք, և նրանց հարաբերությունները գալիս է եզրահանգման, թե հաղորդագրությունը գրելիս մարդը ինչ կարծիք է ունեցել տվյալ պրոդուկտի մասին։
1․Դրական
2․Բացասական
3․Չեզոք
Այս մեթոդով ներբեռնվում են բոլոր, թեմայի հետ կապ ունեցող հաղորդագրությունների մեջ արտահայտվող էմոցիաները, և արդեն վերջում, տիրապետելով այս ամբողջ ինֆորմացիային, հեշտ է հասկանալ պրոդուկտի նկատմամբ վերաբերմունքը, և միջոցները էֆեկտիվ ծախսելով, բարելավվել մարդկանց կարծիքը դրա մասին։
Մտադրության վերլուծություն[խմբագրել | խմբագրել կոդը]
Մտադրության վերլուծության ենթարկելիս, մենք փորձում ենք հասկանալ հաղորդագրությունը գրած մարդու նպատակը(մտադրությունը)։
Օրինակ՝
1․Կարծիք
2․Մարկետինգ
3․Բողոք
4․Առաջարկություն
5․Հարցում
6․Նորություն
Եվ արդեն դրանից հետո հետազոտությունը պատվիրած կազմակերպության ենթակայության տակ աշխատող, հստակ առաջադրանք կատարող վարչությունները կունենան իրենց վերաբերվող ամբողջ տեղեկությունը և կխնայեն մեծ քանակությամբ ժամանակ և միջոց՝ խնդիրները շտկելու գործում։
Հասանելիությունը[խմբագրել | խմբագրել կոդը]
Պետք է նշել, որ տեքստի էմոցիաների վերլուծությունը լավագույնը կանի արհեստական բանականությունը, և այս նպատակի համար նախատեսված՝ անալիտիկ արհեստական բանականությունը, դեռևս կատարելագործվում է։ Այդ իսկ պատճառով այսպիսի ծառայություննեից միայն օգտվում են գերխոշոր ընկերությունները, դրա նրանց համար անհրաժեշտ լինելու պատճառով։ Այս ուղղությամբ AI կազմակերպությունների 20յակի մեջ աշխատում են Quavantis,Cis,Third eye ընկերությունները, որոնց հաճախերդների մեջ են մտնում այնպիսի հսկաներ, ինչպիսիք են Microsoft-ը,Google-ը,Coca Cola-ն,Pepsi-ն,Uber-ը և մի շարք այլ գերհսկա կազմակերպություններ։ Ավելի փոքր կազմակերպությունների համար դեռ այս ծառայությունը հասանելի չի։
Արտաքին հղումներ[խմբագրել | խմբագրել կոդը]
https://towardsdatascience.com/sentiment-analysis-is-difficult-but-ai-may-have-an-answer-a8c447110357
https://towardsdatascience.com/sentiment-analysis-concept-analysis-and-applications-6c94d6f58c17
https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%D0%BD%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%B0
https://www.netbase.com/blog/ai-series-demystifying-ai-in-sentiment-analysis/
https://www.researchgate.net/publication/330880816_Sentiment_Analysis_of_News_Articles_A_Lexicon_based_Approach
https://99firms.com/ai-companies/#gref
Գրականություն[խմբագրել | խմբագրել կոդը]
Neural Network Methods in Natural Language Processing: Joav Goldberg
Sentiment Analysis in Social Networks:
Sentiment Analysis: Mining Opinions, Sentiments, and Emotions: Bing Liu
Sentiment Analysis and Opinion Mining: Bing Liu
Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks: Chaudhuri Arindam
Աղբյուրներ[խմբագրել | խմբագրել կոդը]
towardsdatascience.com
monkeylearn.com