ืืื ื ืืืืืืชืืช 101
ืืืจืื ืืืชืืืืื ืื ืืชืื ืจืืฉืืช ื-2023
בני אדם הם יצורים חשובים; אנו חווים רגשות, תחושות ורגשות 90% מהזמן. ניתוח רגשות הופך לחשוב יותר ויותר עבור חוקרים, עסקים וארגונים כדי להבין משוב לקוחות ולזהות אזורים לשיפור. יש לו יישומים רבים, אך הוא גם מוצג בפני אתגרים.
רגש מתייחס למחשבות, דעות ויחסים – הוחזקו או ביטאו – מנועים על ידי רגשות. למשל, רוב האנשים היום רק מתחברים לרשתות חברתיות כדי לבטא את רגשותיהם בתוכן כגון ציוץ. על כן, חוקרי כריית טקסט עובדים על ניתוח רגשות ברשתות חברתיות כדי להבין דעת קהל, לחזות מגמות ולשפר את חוויית הלקוח.
בואו נדבר על ניתוח רגשות בפירוט למטה.
מהו ניתוח רגשות?
Natural Language Processing (NLP) טכניקה לנתח נתונים טקסטואליים, כגון ביקורות לקוחות, כדי להבין את הרגש מאחורי הטקסט ולסווג אותו כחיובי, שלילי או נייטרלי נקרא ניתוח רגשות.
כמות הנתונים הטקסטואליים המשותפים באינטרנט עצומה. יותר מ 500 מיליון ציוצים משותפים מדי יום עם רגשות ודעות. על ידי פיתוח היכולת לנתח נתונים אלה בנפח גבוה, מגוון ומהירות, ארגונים יכולים לקבל החלטות מבוססות נתונים.
יש שלושה סוגים עיקריים של ניתוח רגשות:
1. ניתוח רגשות רב-מודאלי
זהו סוג של ניתוח רגשות שבו אנו לוקחים בחשבון מספר רב של מודות נתונים, כגון וידאו, אודיו וטקסט, כדי לנתח את הרגשות המבוטאים בתוכן. לוקחת בחשבון רמזים חזותיים ושמיעתיים כגון הבעות פנים, טון קול מעניקה ספקטרום רחב של רגשות.
2. ניתוח רגשות מבוסס תכונות
ניתוח מבוסס תכונות כולל שיטות NLP לנתח ולחלץ רגשות ודעות הקשורות לתכונות או מאפיינים ספציפיים של מוצרים ושירותים. למשל, בביקורת מסעדה, חוקרים יכולים לחלץ רגשות הקשורים למזון, שירות, אווירה וכו’.
3. ניתוח רגשות רב-לשוני
כל שפה היא בעלת דקדוק, תחביר ומילון שונים. הרגש מבוטא באופן שונה בכל שפה. בניתוח רגשות רב-לשוני, כל שפה מאומנת במיוחד לחלץ את הרגש של הטקסט הנבדק.
אילו כלים תוכלו להשתמש בהם לניתוח רגשות?
בניתוח רגשות, אנו אוספים את הנתונים (ביקורות לקוחות, פוסטים ברשתות חברתיות, הערות וכו’), מקדימים אותם (מוחקים טקסט לא רצוי, טוקניזציה, POS תיוג, גזירה/למטיזציה), מחלצים תכונות (המרת מילים למספרים לצורך מודלים) ומסווגים את הטקסט כחיובי, שלילי או נייטרלי.
ספריות Python וכלים מסחריים זמינים המקלים על תהליך ניתוח הרגשות, הוא כדלקמן:
1. ספריות Python
NLTK (ספריית עיבוד שפה טבעית) היא ספריית עיבוד טקסט הנפוצה ביותר לניתוח רגשות. ספריות רבות אחרות כגון Vader (מילון ומנוע רגשות) ו-TextBlob מבוססות על NLTK.
BERT (ייצוגי מילים דו-כיווניים מטרנספורמר) הוא מודל ייצוג שפה חזק שהשיג תוצאות מצטיינות במשימות NLP רבות.
2. כלים מסחריים
מפתחים ועסקים יכולים להשתמש בכלים מסחריים רבים עבור יישומיהם. כלים אלה הם מותאמים אישית, כך שטכניקות קדם-עיבוד ומודלים יכולים להתאים לצרכים ספציפיים. כלים פופולריים הם:
IBM Watson NLU הוא שירות ענן המסייע בניתוח טקסט, כגון ניתוח רגשות. הוא תומך במספר שפות ומשתמש בלמידה עמוקה כדי לזהות רגשות.
API השפה הטבעית של Google יכול לבצע משימות NLP שונות. ה-API משתמש בלמידת מכונה ומודלים מוכשרים מראש כדי לספק ציונים רגשיים וגודל.
יישומים של ניתוח רגשות
1. ניהול חוויית לקוח (CEM)
חילוץ וניתוח רגשות לקוחות ממשוב וביקורות כדי לשפר מוצרים ושירותים נקרא ניהול חוויית לקוח. בפשטות, CEM – באמצעות ניתוח רגשות – יכול לשפר את שביעות רצון הלקוח, אשר בתורו מגדיל את ההכנסות. וכאשר לקוחות מרוצים, 72% מהם ישתפו את חווייתם עם אחרים.
2. ניתוח רשתות חברתיות
כ- 65% מאוכלוסיית העולם משתמשים ברשתות חברתיות. היום, אנו יכולים למצוא רגשות ודעות של אנשים על כל אירוע משמעותי. חוקרים יכולים להעריך דעת קהל על ידי איסוף נתונים על אירועים ספציפיים.
למשל, בוצע מחקר להשוואה בין דעות אנשים במדינות מערביות לדעות אנשים במדינות מזרחיות על ארגון המדינה האסלאמית. המחקר הסיק כי אנשים רואים בארגון המדינה האסלאמית איום, ללא קשר למקום מגוריהם.
3. ניתוח פוליטי
על ידי ניתוח דעת קהל ברשתות חברתיות, קמפיינים פוליטיים יכולים להבין את נקודות החוזק והחולשה שלהם ולהגיב לנושאים שחשובים ביותר לציבור. בנוסף, חוקרים יכולים לחזות תוצאות בחירות על ידי ניתוח רגשות כלפי מפלגות ומועמדים פוליטיים.
טוויטר הוא בעל קורלציה של 94% עם נתוני סקר, מה שאומר שהוא עקבי מאוד בחיזוי בחירות.
אתגרים של ניתוח רגשות
1. עמימות
עמימות מתייחסת למקרים שבהם מילה או ביטוי הוא בעל משמעויות רבות על בסיס ההקשר המקיף. למשל, המילה “חולה” יכולה להיות בעלת קונוטציה חיובית (“הופעה הייתה חולה”) או שלילית (“אני חולה”), בהתאם להקשר.
2. סרקזם
גילוי סרקזם בטקסט יכול להיות אתגרי משום שאנשים עם הגירוי יכולים להשתמש במילים חיוביות כדי לבטא רגשות שליליים או להפך. למשל, הטקסט “וואו, עוד ישיבה” יכול להיות הערה סרקסטית בהתאם להקשר.
3. איכות נתונים
מציאת נתונים באיכות גבוהה, ספציפית לתחום, ללא חששות ביטחון ופרטיות נתונים, יכול להיות אתגר. לאיסוף נתונים מאתרי רשתות חברתיות תמיד הוא אזור אפור. Meta הגישה תביעה נגד שתי חברות BrandTotal ו-Unimania, על יצירת הרחבות לאיסוף נתונים ל-Facebook, נגד תנאים ומדיניות של Facebook.
4. אמוג’י
אמוג’ים משמשים בהדרגה לביטוי רגשות בשיחות באפליקציות רשתות חברתיות. אך פירוש האמוג’ים הוא סובייקטיבי ותלוי הקשר. רוב המעשים מוחקים אמוג’ים מהטקסט, מה שעלול לא להיות האפשרות הטובה ביותר בחלק מהמקרים. על כן, הוא הופך לקשה לנתח את רגש הטקסט באופן הוליסטי.
מצב ניתוח רגשות ב-2023 ומעבר!
מודלים גדולים של שפה כגון BERT ו-GPT השיגו תוצאות מצטיינות במשימות NLP רבות. חוקרים משתמשים ב-Emoji embedding וארכיטקטורת Multi-Head Self-Attention כדי לטפל באתגרים של אמוג’ים וסרקזם בטקסט, בהתאם. במשך הזמן, טכניקות כאלה ישיגו דיוק, יכולת ומהירות טובים יותר.
לתוכן AI נוסף, בקרו ב unite.ai.
