AI 101
2023년 감정 분석 초보자 가이드
인간은 중생입니다. 우리는 감정, 감각 및 감정을 경험합니다. 90% 그 시간의. 감정 분석은 연구원, 기업 및 조직이 고객 피드백을 이해하고 개선 영역을 식별하는 데 점점 더 중요해지고 있습니다. 다양한 응용 프로그램이 있지만 몇 가지 문제도 있습니다.
정서는 감정에 의해 동기가 부여된 생각, 견해 및 태도(보유하거나 표현함)를 말합니다. 예를 들어 오늘날 대부분의 사람들은 트윗과 같은 콘텐츠로 자신의 감정을 표현하기 위해 소셜 미디어에 접속합니다. 따라서 텍스트 마이닝 연구자들은 여론을 이해하고 추세를 예측하며 고객 경험을 개선하기 위해 소셜 미디어 감정 분석을 수행합니다.
아래에서 정서 분석에 대해 자세히 살펴보겠습니다.
감정 분석이란 무엇입니까?
자연 언어 처리 (NLP) 고객 리뷰와 같은 텍스트 데이터를 분석하여 텍스트 이면의 감정을 이해하고 이를 긍정, 부정 또는 중립으로 분류하는 기술을 감성 분석이라고 합니다.
온라인에서 공유되는 텍스트 데이터의 양은 엄청납니다. 이상 500 만 트윗은 감정과 의견이 담긴 매일 공유됩니다. 이 대용량, 고다양성 및 고속 데이터를 분석할 수 있는 능력을 개발함으로써 조직은 데이터 기반 의사 결정을 내릴 수 있습니다.
감정 분석에는 세 가지 주요 유형이 있습니다.
1. 다중 감정 분석
동영상, 오디오, 텍스트 등 다양한 데이터 모드를 고려하여 콘텐츠에 표현된 감정을 분석하는 일종의 감정 분석입니다. 표정과 같은 시각적, 청각적 단서를 고려하여 목소리의 톤은 광범위한 감정 스펙트럼을 제공합니다.
2. Aspect 기반 감성 분석
Aspect 기반 분석은 제품 및 서비스의 특정 측면 또는 기능과 관련된 감정 및 의견을 분석하고 추출하는 NLP 방법을 포함합니다. 예를 들어 레스토랑 리뷰에서 연구원은 음식, 서비스, 분위기 등과 관련된 감정을 추출할 수 있습니다.
3. 다국어 감정 분석
언어마다 문법, 구문 및 어휘가 다릅니다. 감정은 언어마다 다르게 표현됩니다. 다국어 감정 분석에서 각 언어는 분석 중인 텍스트의 감정을 추출하도록 특별히 훈련됩니다.
감정 분석에 사용할 수 있는 도구는 무엇입니까?
감정 분석에서는 데이터(고객 리뷰, 소셜 미디어 게시물, 댓글 등)를 수집하고 전처리(원치 않는 텍스트 제거, 토큰화, POS 태깅, 형태소 분석/주형 지정), 특징 추출(모델링을 위해 단어를 숫자로 변환), 텍스트를 긍정, 부정 또는 중립으로 분류합니다.
여러 Python 라이브러리 상업적으로 이용 가능한 도구는 다음과 같은 감정 분석 프로세스를 용이하게 합니다.
1. 파이썬 라이브러리
NLTK(Natural Language Toolkit)는 감정 분석을 위해 널리 사용되는 텍스트 처리 라이브러리입니다. Vader(Valence Aware Dictionary 및 sEntiment Reasoner) 및 TextBlob과 같은 다양한 다른 라이브러리는 NLTK 위에 구축됩니다.
BERT (Bidirectional Encoder Representations from Transformers)는 많은 NLP 작업에서 최첨단 결과를 보여준 강력한 언어 표현 모델입니다.
2. 상업적으로 이용 가능한 도구
개발자와 기업은 응용 프로그램에 대해 상업적으로 사용 가능한 많은 도구를 사용할 수 있습니다. 이러한 도구는 사용자 정의가 가능하므로 전처리 및 모델링 기술을 특정 요구 사항에 맞게 조정할 수 있습니다. 인기 있는 도구는 다음과 같습니다.
IBM Watson NLU는 감정 분석과 같은 텍스트 분석을 지원하는 클라우드 기반 서비스입니다. 여러 언어를 지원하고 딥 러닝을 사용하여 감정을 식별합니다.
Google의 Natural Language API는 다양한 NLP 작업을 수행할 수 있습니다. API는 기계 학습 및 사전 훈련된 모델을 사용하여 감정 및 규모 점수를 제공합니다.
감정 분석의 응용
1. 고객 경험 관리(CEM)
피드백과 리뷰에서 고객의 감성을 추출하고 분석하여 제품과 서비스를 개선하는 것을 고객 경험 관리라고 합니다. 간단히 말해서 정서 분석을 사용하는 CEM은 고객 만족도를 향상시켜 결과적으로 수익을 증가시킬 수 있습니다. 그리고 고객이 만족할 때, 72% 그들 중 다른 사람들과 그들의 경험을 공유할 것입니다.
2. 소셜 미디어 분석
소개 65% 의 세계 인구가 소셜 미디어를 사용합니다. 오늘날 우리는 중요한 사건에 대한 사람들의 정서와 의견을 찾을 수 있습니다. 연구원은 특정 이벤트에 대한 데이터를 수집하여 여론을 평가할 수 있습니다.
예를 들어, 서방 국가의 사람들이 ISIS에 대해 갖고 있는 견해를 동양 국가와 비교하기 위한 연구가 수행되었습니다. 연구 결과에 따르면 사람들은 출신지에 관계없이 ISIS를 위협으로 여긴다고 결론지었습니다.
3. 정치적 분석
소셜 미디어에 대한 대중의 정서를 분석함으로써 정치 캠페인은 자신의 강점과 약점을 이해하고 대중에게 가장 중요한 문제에 대응할 수 있습니다. 또한 연구원들은 정당과 후보자에 대한 감정을 분석하여 선거 결과를 예측할 수 있습니다.
트위터는 여론조사 데이터와 94%의 상관관계를 갖고 있는데, 이는 트위터가 선거를 예측하는 데 있어서 일관성이 매우 높다는 것을 의미합니다.
감정 분석의 과제
1. 모호성
모호성은 단어나 표현이 주변 문맥에 따라 여러 의미를 갖는 경우를 말합니다. 예를 들어, sick이라는 단어는 문맥에 따라 긍정적인 의미(“그 콘서트는 아팠어”) 또는 부정적인 의미(“나는 아파”)를 가질 수 있습니다.
2. 풍자
자극을 받은 사람들이 부정적인 감정을 표현하기 위해 긍정적인 단어를 사용하거나 그 반대의 경우도 가능하기 때문에 텍스트에서 빈정거림을 감지하는 것은 어려울 수 있습니다. 예를 들어, "오 대단해, 또 다른 만남"이라는 텍스트는 문맥에 따라 비꼬는 댓글이 될 수 있습니다.
3. 데이터 품질
데이터 프라이버시 및 보안 문제가 없는 양질의 도메인별 데이터를 찾는 것은 어려울 수 있습니다. 소셜 미디어 웹사이트에서 데이터를 스크랩하는 것은 항상 회색 지대입니다. 메타 Facebook의 약관 및 정책에 반하는 Facebook용 스크래핑 확장 프로그램을 만든 두 회사 BrandTotal 및 Unimania를 상대로 소송을 제기했습니다.
4. 이모 지
이모티콘은 소셜 미디어 앱에서 대화 중에 감정을 표현하는 데 점점 더 많이 사용되고 있습니다. 그러나 이모티콘의 해석은 주관적이고 상황에 따라 다릅니다. 대부분의 실무자들은 텍스트에서 이모지를 제거하는데, 이는 경우에 따라 최선의 선택이 아닐 수 있습니다. 따라서 텍스트의 정서를 총체적으로 분석하기가 어려워진다.
2023년 이후의 감정 분석 상태!
BERT 및 GPT와 같은 대규모 언어 모델은 많은 NLP 작업에서 최첨단 결과를 달성했습니다. 연구원들은 이모티콘 임베딩을 사용하고 있으며 멀티 헤드 셀프 어텐션 아키텍처 텍스트의 이모티콘과 풍자 문제를 각각 해결합니다. 시간이 지남에 따라 이러한 기술은 더 나은 정확도, 확장성 및 속도를 달성할 것입니다.
더 많은 AI 관련 콘텐츠를 보려면 다음을 방문하세요. 단결.ai.
