感情分析ツール

ソーシャルメディアなどでポジティブまたはネガティブな感情について洞察を収集します。
お問い合わせ
インスタント ソーシャル メディアのコメントやブログ投稿だけでなく、ユーザによる製品レビューが増加するにつれて、幅広いテーマに関する人々の感情や意見をあらゆる言語ですばやく確認するためのソリューションが必要になります。
Pangea Sentiment Analysis Tool は、カスタマイズ可能で強力かつ効率的なツールであり、文書から肯定的または否定的な感情を自動的に抽出します。非構造化テキスト情報から特定の感情(強い嫌悪感、強い好感情、恐れ、怒り、反感など)を検出するように微調整することができます。これは、文章レベル(スニペット)での即時分析、またはテキストとドキュメントのバッチ処理に対応した API です。Pangea Sentiment Analysis Tool は、ドキュメントの感情分類やレビュー評価予測タスクなど、他の目的にも使用できます。

Pangea の感情分析ツールはどのように機能しますか?

感情分析には、従来の「レキシコンベース」と新しい「学習アプローチ」の 2 つのアプローチがあります。

「レキシコンベース」のアプローチにより、テキスト内のセマンティック オリエンテーションは、事前定義されたレキシコンから単語の極性を取得することによって計算されます。教師あり学習アプローチでは、重いニューラルマシン学習手法を使用して、ドキュメントの大規模なコーパスから特定のモデルを作成します。このデータはクライアントごとに異なり、関連性選択(ドキュメントがグループに属しているかどうかを確認するための事前のクエリ)が含まれる場合があります。

一連のサンプルの肯定的および否定的な意見とそれらの意見のバリエーションが、トレーニングデータを作成し、そこからモデルが構築されます。PangeaMT の機械学習技術は、感情を 80% 以上の精度で推測します。いずれの場合も、カスタマイズと人工言語フィルタにより、期待される品質が向上し、90% を超える精度が得られます。感情分析の難しさは意見の構造によるものであり、多くの場合ドメインにより異なり、場合によっては状況により異なります。
PangeaMT 感情分析ツールの感情分析への独自のハイブリッドアプローチは、言語情報と統計情報だけでなく、言語に依存する複雑なセマンティックルールにも基づいています。ディープ ニューラル ネットワークを利用して、ネガティブまたはポジティブな結果を分類して、独自の迅速な感情分類体験を提供します。

感情分析へのアプローチは正常に処理されます:

PangeaMT の言語のエキスパートたちが、重要かつ一般的なデータドメイン(ホテル、レストラン、デバイスなど)用にカスタムビルドされたオントロジーを作成しました。これが感情分析の基礎でしたが、現在はデータが事前にタグ付けさたディープ ニューラルネットワークにフィードします。感情は、クライアントの要望に応じて、さまざまな方法でグループ化できます。

ここで、赤はネガティブ、青は中立、緑はポジティブな感情を意味します。こちらにハイブリッド技術から得られた実際のサンプルを示します。

ポジティブネガティブ中立

コンテキスト

ネガティブ
プレーの時間が短かった。
ポジティブ
短いバッテリ充電時間が好き

ニューラル検出(コンテキスト)

ポジティブ
ベイリーはわたしを避けた芸術的だ。

ネガティブ/強意語 (ニューラル検出)

ポジティブ
悪くない北京のチーズバーガー
ネガティブ
速すぎる値札に対するサービス

分野により異なる意見

ポジティブ
小さい.軽い持運び式。16Mb。ありがとう、お父さん!
ポジティブ
S *** ng、そのからだくたをまとめます。 はい、そうです。 1ドルの価値があります。
すべての資金が同等になるわけではない。
お問い合わせ