Analyse des sentiments

On parle beaucoup du traitement du langage naturel aujourd'hui - et pas seulement dans les milieux scientifiques, où ce concept est considéré à juste titre comme fondamental pour le développement de l'intelligence artificielle, mais aussi pour les étudiants et ceux qui s'intéressent à la situation actuelle de l'industrie informatique.

L'une des méthodes d'analyse linguistique les plus intéressantes est "l'analyse de la tonalité du texte" ou l'analyse des sentiments (AS). L'essence de l'AS est de déterminer la couleur émotionnelle du texte, ainsi que la "lourdeur" de ce poids.

Domaines d'utilisation

À partir de cette définition, nous pouvons tirer plusieurs conclusions sur les domaines où, théoriquement (et pratiquement, en fait), le concept d'analyse de la tonalité du texte pourrait trouver une application et préciser certains de ses détails.

Tout d'abord, l'analyse de la tonalité texturale peut aider à comprendre les lois qui régissent le langage naturel et à apprendre à un ordinateur à le percevoir à un niveau proche de celui de l'être humain. Jusqu'à récemment, la machine comprenait les textes à un niveau abstrait - principalement à travers les lexèmes (mots), qui pour elle avaient une forme (un ensemble de lettres) et un contenu (signification). Ce concept propose d'introduire une autre fonction - la soi-disant tonalité lexicale du texte (dans le cas le plus simple, elle sera définie comme la somme des tonalités lexicales de chaque lexème).

Deuxièmement, l'analyse de la tonalité peut améliorer considérablement la qualité de la traduction automatique. Il est connu que la traduction automatique est le résultat de la traduction d'un texte par un traducteur professionnel. Depuis plus de 50 ans, les chercheurs évoluent dans ce domaine et sont convaincus qu'il n'est possible d'apprendre à une machine à "penser comme un traducteur" en tenant compte de toutes les considérations qu'un professionnel utilise pour traduire tel ou tel texte. Naturellement, la traduction ne peut se passer de l'analyse primaire du texte et des mots individuels - y compris l'analyse de la tonalité en tant que telle.

Troisièmement, le but de l'analyse de la tonalité du texte peut être une certaine opinion de l'auteur ou l'auteur lui-même. C'est le domaine d'application le plus intéressant, car il montre non seulement un moyen de déléguer certains pouvoirs d'un scientifique à une machine (par exemple, un philologue qui étudie l'œuvre de l'un ou l'autre auteur), mais aussi une tentative d'amener la pensée de l'ordinateur à l'homme. De ce point de vue, l'analyse de la tonalité est probablement l'une des étapes les plus importantes et les plus prometteuses du développement de l'intelligence artificielle.

Méthodes

Méthodes basées sur des règles et dictionnaires

Dans le cadre de ces approches, le texte est analysé sur la base de dictionnaires tonaux pré-compilés. Cependant, le processus de création de ces "folios" prend beaucoup de temps ; le problème principal est le fait qu'un même mot, dans des contextes différents, peut avoir une tonalité différente. Cela signifie que pour que le système fonctionne correctement, un grand nombre de règles doivent être compilées. C'est pourquoi, dans la plupart des cas, les systèmes d'analyse de la tonalité des textes sont créés en référence à un domaine spécifique.

Méthodes basées sur des modèles graph-théoriques

Dans ces méthodes, le texte est représenté sous forme de graphe, en partant du principe que certains mots ont plus de poids et, par conséquent, ont une plus grande influence sur le ton de l'ensemble du texte. Après avoir classé les sommets du graphe, les mots sont classés selon le dictionnaire de la tonalité, auquel on attribue à chaque mot une caractéristique spécifique ("positif", "négatif" ou "neutre"). Le résultat est calculé comme le rapport entre le nombre de mots ayant un score positif et le nombre de mots ayant un score négatif.

Méthodes basées sur l'apprentissage automatique - avec et sans enseignant

Les big data peuvent être d'une grande aide pour l'apprentissage des réseaux neuronaux, qui sont également utilisés pour l'analyse de la tonalité des textes. En outre, la précision de l'évaluation de la tonalité de cette manière atteint 85 % - c'est du moins le chiffre atteint par les scientifiques de Stanford. Le principe du programme est simple : il construit un arbre avec une évaluation de la tonalité de chaque mot, de chaque phrase et du texte entier. Le plus intéressant : le programme comprend que changer l'ordre des mots modifie la tonalité du texte. C'est probablement ce qui assure une telle précision dans l'évaluation des textes et nous permet de considérer les réseaux neuronaux comme un outil prometteur pour une telle analyse.

AZNResearch utilise l'analyse des sentiments basée sur les réseaux neuronaux des géants de l'informatique tels que Google ou Microsoft pour créer des modèles statistiques des réactions des utilisateurs, des clients commerciaux et des commentateurs sur les réseaux sociaux.

Partagez ceci:

Mots clés:

    Faisons-le ensemble,
    Votre entreprise a une histoire à raconter

    Commande de rappel

    Nous vous rappellerons dans l'heure ou à une heure qui vous convient