Phân Tích Tình Cảm Là Gì? Phương Pháp, Ứng Dụng và Hạn Chế

Phân tích tình cảm ước lượng ngôn ngữ đánh giá trong văn bản, bản ghi âm hoặc nội dung khác. Một hệ thống có thể phân loại độ hướng như tích cực, tiêu cực hoặc trung tính; phát hiện các quan điểm ở mức khía cạnh; ước lượng mức độ mạnh; hoặc xác định lập trường đối với một tuyên bố cụ thể.

Mục tiêu phải được xác định cẩn thận. Tình cảm không đồng nghĩa với cảm xúc, ý định, độc hại, sự hài lòng hoặc sự thật. Một câu tích cực có thể mô tả một sự kiện gây hại một cách mỉa mai, trong khi một đánh giá sản phẩm tiêu cực vẫn có thể khuyến nghị sản phẩm tổng thể.

Những điểm chính

• Xác định đơn vị, mục tiêu, nhãn và ngữ cảnh trước khi thu thập ví dụ.
• Từ điển là cơ sở minh bạch; các mô hình giám sát và transformer có thể nắm bắt ngữ cảnh hơn nhưng cần dữ liệu đại diện.
• Phủ định, mỉa mai, từ vựng chuyên ngành, văn bản đa ngôn ngữ và ranh giới khía cạnh vẫn là thách thức.
• Đánh giá theo lớp, tiểu nhóm, miền và thời kỳ; bao gồm đánh giá của con người cho các ứng dụng có hậu quả.

Cấp độ và mục tiêu

Phân tích ở mức độ tài liệu tạo ra một nhãn cho toàn bộ mục. Phân tích ở mức độ câu tách riêng các câu, trong khi phân tích dựa trên khía cạnh liên kết cảm xúc với một thực thể hoặc thuộc tính—ví dụ, tích cực về chất lượng hình ảnh nhưng tiêu cực về thời lượng pin.

Lập trường hỏi liệu người nói có ủng hộ một đề xuất cụ thể hay không, điều này có thể khác với tông cảm xúc. Những khác biệt này nên được xác định trong hướng dẫn chú thích trước khi áp dụng các phương pháp phân loại văn bản.

Từ điển, mô hình cổ điển và transformer

Một từ điển gán điểm cho các từ và kết hợp chúng với các quy tắc cho phủ định hoặc mức độ mạnh. Nó có khả năng giải thích và chi phí thấp nhưng gặp khó khăn với ngữ cảnh. Các mô hình giám sát cổ điển sử dụng đặc trưng từ hoặc n-gram, trong khi transformer học các biểu diễn ngữ cảnh và có thể được tinh chỉnh.

Gợi ý few-shot có thể tiện lợi, nhưng kết quả phụ thuộc vào các ví dụ và cách diễn đạt. So sánh mọi phương pháp phức tạp với một cơ sở và chỉ sử dụng học few-shot với một tập đánh giá tách riêng, có phiên bản.

Thách thức về dữ liệu và ngôn ngữ

Nhãn có thể phản ánh quan điểm của người chú thích thay vì một thực tế khách quan. Sự dịch chuyển miền rất nghiêm trọng: ‘khó đoán’ có thể là lời khen cho một bộ phim và là chỉ trích cho một chiếc xe. Việc chuyển mã, phương ngữ, biểu tượng cảm xúc, lời nói trích dẫn và sự mỉa mai làm phức tạp các tín hiệu ở mức token.

Cân bằng các lớp một cách có chủ ý và ngăn các tác giả, sản phẩm hoặc cuộc trò chuyện liên quan rò rỉ qua tập huấn và kiểm tra. Một mô hình ghi nhớ một thương hiệu hoặc người nói có thể trông chính xác mà không thực sự học được cảm xúc.

Đánh giá và sử dụng có trách nhiệm

Báo cáo độ chính xác, độ thu hồi, F1 và một ma trận nhầm lẫn thay vì chỉ độ chính xác. Xem xét lỗi theo khía cạnh, độ dài, phương ngữ và thời gian, và hiệu chỉnh ngưỡng cho chi phí vận hành của mỗi sai sót.

Các xu hướng tổng hợp có thể hỗ trợ nghiên cứu hoặc phân loại, nhưng suy đoán trạng thái của cá nhân hoặc đưa ra quyết định về việc làm, tín dụng, sức khỏe hoặc cảnh sát tạo ra rủi ro lớn hơn. Cung cấp mức độ không chắc chắn, ngữ cảnh nguồn, kiểm soát quyền riêng tư và đánh giá của con người.

Chú thích và xây dựng bộ dữ liệu

Viết hướng dẫn chú thích với thực thể mục tiêu, đơn vị phân tích, định nghĩa nhãn, cách xử lý hỗn hợp và trung tính, quy tắc trích dẫn, chính sách mỉa mai và các ví dụ từ miền. Thử nghiệm với một vài người chú thích, tính toán mức độ đồng thuận, thảo luận các bất đồng và sửa đổi nhiệm vụ trước khi mở rộng nhãn.

Việc lấy mẫu quyết định những gì mô hình học được. Dòng dữ liệu mạng xã hội có thể đại diện quá mức cho các tài khoản hoạt động mạnh; các phiếu hỗ trợ có thể bỏ qua khách hàng hài lòng; đánh giá sao có thể không khớp với nội dung đánh giá. Bảo tồn siêu dữ liệu nguồn và thời gian, tôn trọng các điều khoản nền tảng và quyền riêng tư, và tạo một tập kiểm tra từ dân số nơi quyết định sẽ được thực hiện.

Rò rỉ nhãn có thể xảy ra qua đánh giá, biểu tượng cảm xúc do hệ thống thu thập chèn vào, chữ ký mẫu, hoặc tên sản phẩm có liên quan đến cảm xúc. Loại bỏ các bài đăng gần như giống nhau và nhóm các cuộc trò chuyện hoặc tác giả để ngôn ngữ của họ không xuất hiện ở cả hai phía của một phân chia.

Lựa chọn mô hình và hiệu chỉnh

Các hệ thống từ điển cộng tổng điểm từ và điều chỉnh cho phủ định, từ tăng cường, dấu câu hoặc biểu tượng cảm xúc. Chúng cung cấp một kiểm tra hợp lý hữu ích và có thể được điều chỉnh với các thuật ngữ miền. Các mô hình tuyến tính với đặc trưng TF–IDF vẫn cạnh tranh trên một số bộ dữ liệu và phơi bày các n-gram có ảnh hưởng.

Bộ mã hoá ngữ cảnh biểu diễn các từ dựa trên văn bản xung quanh và có thể được tinh chỉnh cho độ hướng hoặc khía cạnh. Các tài liệu dài có thể cần mô hình phân cấp, tổng hợp câu, hoặc truy xuất các đoạn liên quan. Các phương pháp đa ngôn ngữ có thể huấn luyện một mô hình chung, dịch sang ngôn ngữ trung gian, hoặc duy trì các mô hình địa phương; mỗi cách có độ phủ và cân bằng văn hoá riêng.

Hiệu chỉnh xác suất quan trọng khi điểm số kích hoạt hành động. Các biểu đồ độ tin cậy và lỗi hiệu chỉnh kỳ vọng cho thấy liệu mức tin cậy 0.8 được báo cáo có tương đương khoảng 80% độ chính xác hay không. Ngưỡng có thể tạo ra một dải từ chối cho đánh giá của con người, và các ngưỡng riêng biệt có thể được biện minh khi chi phí lỗi khác nhau—không phải để che giấu chất lượng không đồng đều.

Ứng dụng và những hiểu lầm phổ biến

Tổng hợp cảm xúc có thể giúp ưu tiên các chủ đề, so sánh phản hồi chiến dịch, hoặc định hướng các tin nhắn dịch vụ khẩn cấp. Phân tích khía cạnh thường hành động được hơn so với độ hướng tổng thể vì nó xác định những gì người dùng thảo luận. Phân tích xu hướng cần mẫu ổn định và định nghĩa nhãn xuyên suốt thời gian.

Đừng cho rằng tần suất các bài đăng tiêu cực phản ánh quan điểm của toàn bộ dân số. Hành vi đăng bài, bot, kiểm duyệt, nhân khẩu học nền tảng, chiến dịch và truy vấn thu thập đều định hình mẫu. Một mô hình cảm xúc không đo lường được dân số im lặng, và một thay đổi trong cách diễn đạt có thể trông giống như thay đổi trong thái độ.

Đối với các quyết định cá nhân, nhãn sai có thể gây nhãn mác và khó phản bác. Tránh sử dụng cảm xúc như một đại diện cho sự gắn kết của nhân viên, sức khỏe tinh thần, khả năng tín dụng, ý định hoặc sự lừa dối. Khi con người bị ảnh hưởng, hãy hiển thị ngữ cảnh nguồn, cho phép sửa chữa, và yêu cầu một người quyết định có quyền tự do thực sự.

Ví dụ thực tế: phân tích cảm xúc cho phản hồi khách hàng

Một công ty phân tích các bình luận hỗ trợ nên xác định liệu họ cần cảm xúc tài liệu, cảm xúc khía cạnh, cảm xúc, mức độ khẩn cấp, hay phân loại vấn đề. “Việc giao hàng nhanh nhưng sản phẩm bị hỏng” không thể được biểu diễn trung thực bằng một nhãn tích cực‑hoặc‑tiêu cực duy nhất. Tạo hướng dẫn chú thích cho mục tiêu, phủ định, mỉa mai, câu phát biểu hỗn hợp, lời nói trích dẫn và các trường hợp không xác định, sau đó đo mức độ đồng thuận trước khi coi nhãn là sự thật nền tảng.

So sánh một từ điển hoặc cơ sở tuyến tính với một bộ mã hoá tinh chỉnh hoặc mô hình ngôn ngữ được gợi ý. Chia dữ liệu theo thời gian hoặc khách hàng để ngăn chặn rò rỉ các bản sao gần giống, và bảo tồn tần suất lớp. Báo cáo độ chính xác, độ thu hồi, F1, hiệu chỉnh và ma trận nhầm lẫn theo ngôn ngữ, kênh, sản phẩm và các chỉ số nhân khẩu học chỉ khi hợp pháp và có lý do. Xem xét các lỗi có độ tin cậy cao vì chúng nguy hiểm hơn trong định tuyến tự động so với các đầu ra không chắc chắn được nâng cấp.

Sử dụng cảm xúc như một tín hiệu cho việc tổng hợp hoặc ưu tiên, không phải là thước đo không thể bàn cãi về trạng thái của một người. Giám sát từ vựng và sự thay đổi sản phẩm, đào tạo lại với các ví dụ đã được xem xét, và cho phép nhân viên sửa nhãn. Không bao giờ suy đoán các đặc tính được bảo vệ hoặc kỷ luật công nhân dựa trên các điểm cảm xúc chưa được xác thực. Đối với báo cáo cấp quản lý, hiển thị kích thước mẫu, mức độ không chắc chắn, dữ liệu thiếu và các chủ đề gây ra thay đổi để một điểm số dao động dẫn đến điều tra thay vì kết luận đơn giản.

Triển khai đa ngôn ngữ không nên giả định rằng việc dịch đầu vào giữ nguyên tông, phủ định, thành ngữ hoặc quy ước văn hoá. Xác thực mỗi ngôn ngữ hỗ trợ và các mẫu ngôn ngữ hỗn hợp với những người đánh giá bản địa, và cung cấp kết quả không xác định khi bằng chứng yếu. Thích nghi miền cũng quan trọng: những từ nghe tiêu cực trong hội thoại thông thường có thể là mô tả kỹ thuật trung tính. Duy trì các ngưỡng hoặc mô hình riêng biệt chỉ khi bằng chứng vận hành biện minh cho độ phức tạp và gánh nặng quản trị tăng thêm.

Danh sách kiểm tra triển khai thực tế

Biến khái niệm thành quy trình làm việc có giới hạn, có thể kiểm tra: xác định mục tiêu → nhãn → biểu diễn → huấn luyện → hiệu chỉnh → giám sát. Chỉ định một người chịu trách nhiệm, ghi chép dữ liệu và các phụ thuộc, thiết lập một cơ sở đơn giản, đặt tiêu chí chấp nhận và dừng, kiểm tra các lỗi đại diện, và xác định giám sát, quay lại và đánh giá trước khi mở rộng phạm vi. Ghi lại các phiên bản và giả định để đội khác có thể tái tạo kết quả và hiểu những gì đã thay đổi.

Trước khi ra mắt, thực hiện một đánh giá sẵn sàng được ghi chép với những người xây dựng, vận hành, bảo mật và chịu ảnh hưởng của hệ thống. Kiểm tra các trường hợp bình thường, điều kiện biên, lỗi phụ thuộc và lạm dụng; bảo tồn bằng chứng và các rủi ro chưa giải quyết. Xác định ai có thể phê duyệt phát hành, thay đổi ngưỡng, ghi đè đầu ra, hoặc dừng hoạt động. Xem lại quyết định sau khi dữ liệu thực tế đến, vì một thử nghiệm kỹ thuật thành công không đảm bảo hiệu suất đáng tin cậy ở quy mô rộng hơn.

• TARGET: tài liệu, câu, khía cạnh hoặc lập trường.
• CONTEXT: miền, người nói, ngôn ngữ và thời gian.
• EVALUATION: lỗi theo lớp và đánh giá của con người.

Câu hỏi thường gặp

Phân tích cảm xúc có khách quan không?

Không. Nó ước lượng các nhãn được định nghĩa bởi một nhiệm vụ và quy trình chú thích. Một số văn bản thực sự mơ hồ, hỗn hợp, phụ thuộc vào ngữ cảnh, hoặc được người đọc diễn giải khác nhau.

Phân tích cảm xúc có thể phát hiện mỉa mai không?

Các mô hình có thể học một số mẫu, nhưng mỉa mai thường phụ thuộc vào lịch sử người nói, kiến thức chung và ngữ cảnh ngoài văn bản. Nó vẫn là một chế độ lỗi phổ biến.

Tài liệu tham khảo chính

• Pang, Lee, và Vaithyanathan: Phân loại cảm xúc
• Devlin et al.: BERT
• SemEval-2017 Task 4: Phân tích cảm xúc trên Twitter