2023 میں جذباتی تجزیہ کے لیے ایک ابتدائی رہنما

انسان جذباتی مخلوق ہیں؛ ہم جذبات، احساسات اور احساسات کا تجربہ کرتے ہیں۔ 90٪ وقت کا صارفین کے تاثرات کو سمجھنے اور بہتری کے شعبوں کی نشاندہی کرنے کے لیے محققین، کاروباری اداروں اور تنظیموں کے لیے جذبات کا تجزیہ تیزی سے اہم ہوتا جا رہا ہے۔ اس میں مختلف ایپلی کیشنز ہیں، پھر بھی اسے کچھ چیلنجز کا بھی سامنا ہے۔

جذبات سے مراد خیالات، خیالات، اور رویے ہیں - جو منعقد کیے جاتے ہیں یا اظہار کیے جاتے ہیں - جذبات سے محرک ہوتے ہیں۔ مثال کے طور پر، آج کل زیادہ تر لوگ اپنے جذبات کا اظہار کرنے کے لیے سوشل میڈیا پر آتے ہیں جیسے کہ ایک ٹویٹ۔ لہذا، ٹیکسٹ مائننگ کے محققین عوامی رائے کو سمجھنے، رجحانات کی پیشن گوئی کرنے اور کسٹمر کے تجربے کو بہتر بنانے کے لیے سوشل میڈیا کے جذبات کے تجزیے پر کام کرتے ہیں۔

آئیے ذیل میں تفصیل سے جذباتی تجزیہ پر بات کرتے ہیں۔

احساس تجزیہ کیا ہے؟

قدرتی زبان عملیات متنی ڈیٹا کا تجزیہ کرنے کے لیے (NLP) تکنیک، جیسا کہ گاہک کے جائزے، متن کے پیچھے کے جذبات کو سمجھنے اور اسے مثبت، منفی، یا غیر جانبدار کے طور پر درجہ بندی کرنے کے لیے جذباتی تجزیہ کہلاتا ہے۔

آن لائن اشتراک کردہ متنی ڈیٹا کی مقدار بہت زیادہ ہے۔ اس سے زیادہ ملین 500 ٹویٹس کو روزانہ جذبات اور آراء کے ساتھ شیئر کیا جاتا ہے۔ اس اعلیٰ حجم، اعلیٰ قسم کے، اور تیز رفتار ڈیٹا کا تجزیہ کرنے کی صلاحیت کو تیار کرکے، تنظیمیں ڈیٹا پر مبنی فیصلے کر سکتی ہیں۔

جذباتی تجزیہ کی تین اہم اقسام ہیں:

1. ملٹی موڈل جذباتی تجزیہ

یہ جذباتی تجزیہ کی ایک قسم ہے جس میں ہم مواد میں بیان کیے گئے جذبات کا تجزیہ کرنے کے لیے متعدد ڈیٹا طریقوں، جیسے کہ ویڈیو، آڈیو اور ٹیکسٹ پر غور کرتے ہیں۔ بصری اور سمعی اشارے جیسے چہرے کے تاثرات پر غور کرتے ہوئے، آواز کا لہجہ جذبات کا ایک وسیع میدان فراہم کرتا ہے۔

2. پہلو پر مبنی جذباتی تجزیہ

پہلو پر مبنی تجزیہ میں مصنوعات اور خدمات کے مخصوص پہلوؤں یا خصوصیات سے متعلق جذبات اور آراء کا تجزیہ کرنے اور نکالنے کے لیے NLP طریقے شامل ہیں۔ مثال کے طور پر، ریستوراں کے جائزے میں، محققین کھانے، خدمت، ماحول وغیرہ سے متعلق جذبات نکال سکتے ہیں۔

3. کثیر لسانی جذبات کا تجزیہ

ہر زبان کی ایک الگ گرامر، نحو اور الفاظ ہوتے ہیں۔ جذبات کا اظہار ہر زبان میں مختلف طریقے سے ہوتا ہے۔ بہزبانی جذباتی تجزیہ میں، ہر زبان کو خاص طور پر تربیت دی جاتی ہے کہ تجزیہ کیے جانے والے متن کے جذبات کو نکال سکے۔

جذباتی تجزیہ کے لیے آپ کون سے اوزار استعمال کر سکتے ہیں؟

جذبات کے تجزیے میں، ہم ڈیٹا اکٹھا کرتے ہیں (کسٹمر کے جائزے، سوشل میڈیا پوسٹس، تبصرے، وغیرہ)، اسے پہلے سے پروسیس کرتے ہیں (غیر مطلوبہ متن کو ہٹانا، ٹوکنائزیشن، پی او ایس ٹیگنگ، اسٹیمنگ/لیمیٹائزیشن)، خصوصیات نکالتے ہیں (ماڈلنگ کے لیے الفاظ کو نمبروں میں تبدیل کرنا)، اور متن کو مثبت، منفی یا غیر جانبدار کے طور پر درجہ بندی کریں۔

مختلف ازگر کی لائبریریاں اور تجارتی طور پر دستیاب ٹولز جذبات کا تجزیہ کرنے کے عمل کو آسان بناتے ہیں، جو کہ درج ذیل ہے:

1. ازگر کی لائبریریاں

NLTK (Natural Language Toolkit) جذبات کے تجزیہ کے لیے وسیع پیمانے پر استعمال ہونے والی ٹیکسٹ پروسیسنگ لائبریری ہے۔ مختلف دیگر لائبریریاں جیسے Vader (Valence Aware Dictionary and sEntiment Reasoner) اور TextBlob NLTK کے اوپر بنی ہیں۔

برٹ (Bidirectional Encoder Representations from Transformers) ایک طاقتور زبان کی نمائندگی کا ماڈل ہے جس نے NLP کے بہت سے کاموں پر جدید ترین نتائج دکھائے ہیں۔

2. تجارتی طور پر دستیاب ٹولز

ڈویلپرز اور کاروبار اپنی ایپلی کیشنز کے لیے بہت سے تجارتی طور پر دستیاب ٹولز استعمال کر سکتے ہیں۔ یہ ٹولز حسب ضرورت ہیں، لہذا پری پروسیسنگ اور ماڈلنگ کی تکنیکوں کو مخصوص ضروریات کے مطابق بنایا جا سکتا ہے۔ مقبول ٹولز ہیں:

• IBM واٹسن قدرتی زبان کی تفہیم

IBM Watson NLU ایک کلاؤڈ بیسڈ سروس ہے جو ٹیکسٹ اینالیٹکس، جیسے جذباتی تجزیہ میں مدد کرتی ہے۔ یہ متعدد زبانوں کی حمایت کرتا ہے اور جذبات کی شناخت کے لیے گہری تعلیم کا استعمال کرتا ہے۔

• Google Cloud Natural Language API

گوگل کا نیچرل لینگویج API مختلف NLP کام انجام دے سکتا ہے۔ API جذبات اور شدت کے اسکور فراہم کرنے کے لیے مشین لرننگ اور پہلے سے تربیت یافتہ ماڈلز کا استعمال کرتا ہے۔

جذباتی تجزیہ کی درخواستیں۔

1. کسٹمر کے تجربے کا انتظام (CEM)

مصنوعات اور خدمات کو بہتر بنانے کے لیے تاثرات اور جائزوں سے صارفین کے جذبات کو نکالنا اور تجزیہ کرنا کسٹمر کے تجربے کا انتظام کہلاتا ہے۔ سیدھے الفاظ میں، CEM - جذباتی تجزیہ کا استعمال کرتے ہوئے - گاہکوں کی اطمینان کو بڑھا سکتا ہے جس کے نتیجے میں آمدنی میں اضافہ ہوتا ہے۔ اور جب گاہک مطمئن ہوتے ہیں، 72٪ ان میں سے اپنا تجربہ دوسروں کے ساتھ شیئر کریں گے۔

2. سوشل میڈیا تجزیہ

اس بارے میں 65٪ دنیا کی آبادی کا ایک حصہ سوشل میڈیا استعمال کرتا ہے۔ آج، ہم کسی بھی اہم واقعہ کے بارے میں لوگوں کے جذبات اور آراء تلاش کر سکتے ہیں۔ محققین مخصوص واقعات کے بارے میں ڈیٹا اکٹھا کر کے رائے عامہ کا اندازہ لگا سکتے ہیں۔

مثال کے طور پر، مشرقی ممالک کے مقابلے میں مغربی ممالک میں داعش کے بارے میں لوگوں کے خیالات کا موازنہ کرنے کے لیے ایک مطالعہ کیا گیا۔ تحقیق سے یہ نتیجہ اخذ کیا گیا کہ لوگ داعش کو ایک خطرہ کے طور پر دیکھتے ہیں چاہے وہ کہیں سے بھی ہوں۔

3. سیاسی تجزیہ

سوشل میڈیا پر عوامی جذبات کا تجزیہ کرکے، سیاسی مہمات اپنی طاقت اور کمزوریوں کو سمجھ سکتی ہیں اور ان مسائل کا جواب دے سکتی ہیں جو عوام کے لیے سب سے اہم ہیں۔ مزید یہ کہ محققین سیاسی جماعتوں اور امیدواروں کے تئیں جذبات کا تجزیہ کرکے انتخابی نتائج کی پیش گوئی کر سکتے ہیں۔

ٹویٹر کا پولنگ ڈیٹا کے ساتھ 94 فیصد تعلق ہے، مطلب یہ ہے کہ یہ انتخابات کی پیش گوئی کرنے میں انتہائی مطابقت رکھتا ہے۔

جذباتی تجزیہ کے چیلنجز

1. ابہام

ابہام سے مراد ایسی مثالیں ہیں جہاں ایک لفظ یا اظہار کے ارد گرد کے سیاق و سباق کی بنیاد پر متعدد معنی ہوتے ہیں۔ مثال کے طور پر، سیاق و سباق کے لحاظ سے لفظ Sick کے مثبت مفہوم ("وہ کنسرٹ بیمار تھا") یا منفی مفہوم ("میں بیمار ہوں") ہو سکتا ہے۔

2. طنز

متن میں طنز کا پتہ لگانا مشکل ہو سکتا ہے کیونکہ محرک والے لوگ منفی جذبات کے اظہار کے لیے مثبت الفاظ استعمال کر سکتے ہیں یا اس کے برعکس۔ مثال کے طور پر، متن "اوہ بہت اچھا، ایک اور ملاقات" سیاق و سباق کے لحاظ سے ایک طنزیہ تبصرہ ہو سکتا ہے۔

3. ڈیٹا کا معیار

ڈیٹا پرائیویسی اور سیکیورٹی خدشات کے بغیر معیاری ڈومین کے لیے مخصوص ڈیٹا تلاش کرنا مشکل ہو سکتا ہے۔ سوشل میڈیا ویب سائٹس سے ڈیٹا کو اسکریپ کرنا ہمیشہ گرے زون ہوتا ہے۔ میٹا نے دو کمپنیوں برانڈ ٹوٹل اور یونیمانیا کے خلاف فیس بک کی شرائط اور پالیسیوں کے خلاف فیس بک کے لیے اسکریپنگ ایکسٹینشن بنانے کے لیے مقدمہ دائر کیا۔

4. ایموجیز

سوشل میڈیا ایپس پر بات چیت میں جذبات کے اظہار کے لیے ایموجیز کا تیزی سے استعمال کیا جا رہا ہے۔ لیکن ایموجیز کی تشریح موضوعی اور سیاق و سباق پر منحصر ہے۔ زیادہ تر پریکٹیشنرز متن سے ایموجیز کو ہٹا دیتے ہیں، جو کچھ مثالوں میں بہترین آپشن نہیں ہوسکتا ہے۔ لہذا، متن کے جذبات کا مجموعی طور پر تجزیہ کرنا مشکل ہو جاتا ہے۔

2023 اور اس سے آگے کے جذبات کا تجزیہ!

BERT اور GPT جیسے بڑے زبان کے ماڈلز نے بہت سے NLP کاموں پر جدید ترین نتائج حاصل کیے ہیں۔ محققین ایموجی ایمبیڈنگ اور استعمال کر رہے ہیں۔ ملٹی ہیڈ سیلف اٹینشن آرکیٹیکچر متن میں بالترتیب ایموجیز اور طنز کے چیلنج سے نمٹنے کے لیے۔ وقت گزرنے کے ساتھ، اس طرح کی تکنیکیں بہتر درستگی، توسیع پذیری، اور رفتار حاصل کریں گی۔

AI سے متعلق مزید مواد کے لیے، ملاحظہ کریں۔ unite.ai.