¿Qué es el análisis de sentimientos? Uso de PNL y ML para extraer significado

10:13 11/09/2021 | 2 Lượt xem

Definición del análisis de sentimiento

El análisis de sentimientos es una técnica analítica que utiliza estadísticas, procesamiento del lenguaje natural y aprendizaje automático para determinar el significado emocional de las comunicaciones.

Las empresas utilizan el análisis de sentimientos para evaluar los mensajes de los clientes, las interacciones del centro de llamadas, el análisis en línea, las publicaciones en las redes sociales y otro contenido. El análisis de sentimientos puede rastrear cambios en las actitudes hacia empresas, productos o servicios, o características individuales de esos productos o servicios.

Ejemplos de análisis de sentimiento

Uno de los ejemplos más destacados de análisis de sentimientos en la Web hoy en día es el Hedonome, un proyecto del Laboratorio de Historias Computacionales de la Universidad de Vermont.

El grupo analiza más de 50 millones de tweets en inglés todos los días, aproximadamente una décima parte del tráfico total de Twitter, para calcular una reserva diaria de felicidad.

El enfoque es computacionalmente sencillo. El laboratorio recopiló un conjunto de 10,000 palabras de uso común y, a través del servicio Mechanical Turk de Amazon, las personas le dieron a cada palabra una puntuación de felicidad de uno a nueve. Las palabras neutrales y las palabras que dependen en gran medida del contexto se filtran y las puntuaciones restantes se suman y calculan para determinar las puntuaciones diarias de felicidad. Las listas de palabras, con puntuación, están disponibles en el sitio web del proyecto en inglés y en otros nueve idiomas.

Este enfoque de “bolsa de palabras” es una forma tradicional de hacer análisis de sentimientos, dice Hayley Sutherland, analista de investigación senior de inteligencia artificial conversacional y descubrimiento de conocimiento inteligente en IDC. “Pero puede ser excelente para grandes conjuntos de texto”, dice.

El hedónomo también usa una escala simple positiva-negativa, que es el tipo más común de análisis de sentimientos.

Mientras que Hedonomer usa una escala de uno a nueve, otros enfoques usan tres valores (positivo, negativo y neutral) o proporcionan un porcentaje de almacenamiento. Los enfoques más refinados también pueden detectar otras emociones, dice Sutherland. “Esto varía según la herramienta”, dice ella. “Triste, enojado y emocionado son algunos de los más comunes”.

Las empresas pueden utilizar esta versión más sutil del análisis de sentimientos para detectar si las personas se sienten frustradas o incómodas.

Otro tipo de análisis de sentimientos es la detección de intenciones. “Estás comprendiendo la acción que van a tomar”, dice ella. “Por ejemplo, en ventas, ¿están interesados ​​’o no en comprar?’

El análisis de sentimientos puede hacer más que solo mirar texto sin formato. “Algunos usan análisis facial, otros usan señales vocales”, dice Sutherland. “Cada vez veo más empresas que se centran realmente en la inteligencia artificial emocional. Al comprender el tono de voz, además de lo que la gente realmente dice, es más fácil comprender el sarcasmo, por ejemplo. “

Abundan los ejemplos públicos de análisis de sentimientos. La administración Obama utilizó el análisis de sentimientos para medir la opinión pública. El Vaccine Trust Project de la Organización Mundial de la Salud utiliza el análisis de sentimientos como parte de su investigación, buscando en las redes sociales, noticias, blogs, Wikipedia y otras plataformas en línea.

Esta primavera, Google Cloud lanzó su solución de impacto inteligente, que incluye un componente de análisis de sentimientos para que las agencias gubernamentales puedan orientar mejor sus esfuerzos de comunicación y comprender las creencias y comportamientos cambiantes que rodean a las vacunas COVID-19.

“Ayuda a diferentes estados y municipios a informar sus estrategias de vacunación contra COVID”, dice Sutherland.

Herramientas de análisis de sentimiento

El nivel básico de análisis de sentimientos involucra estadísticas o aprendizaje automático basado en algoritmos de aprendizaje supervisados ​​o semi-supervisados. Al igual que con el Hedonomer, el aprendizaje supervisado implica que los humanos califiquen un conjunto de datos. Con el aprendizaje semi-supervisado, existe una combinación de aprendizaje automático y verificaciones periódicas para garantizar que el algoritmo funcione correctamente.

El aprendizaje profundo es otro medio por el cual se lleva a cabo el análisis de sentimientos. “El aprendizaje profundo utiliza redes neuronales de múltiples capas que se inspiran en la forma en que funciona el cerebro humano”, dice Sutherland de IDC. Este nivel más sofisticado de análisis de sentimientos puede examinar oraciones completas, incluso conversaciones completas, para determinar la emoción y también puede usarse para analizar voz y video.

Todos los principales actores de la nube ofrecen herramientas de análisis de sentimientos, al igual que las principales plataformas de atención al cliente y los proveedores de marketing. Los proveedores de inteligencia artificial conversacional también incluyen capacidades de análisis de sentimientos, dice Sutherland.

Las empresas interesadas en realizar análisis de sentimientos deben analizar primero las herramientas y tecnologías que ya están utilizando, dice Boris Evelson, vicepresidente y analista principal de Forrester Research. “¿Tienen una herramienta de encuesta con análisis de sentimiento? Las plataformas de gestión de comentarios de los clientes también tienen un análisis de sentimiento básico o bastante decente. “

También hay herramientas de análisis de propósito general, dice, que tienen análisis de sentimiento, como IBM Watson Discovery y Micro Focus IDOL.

“Aconsejamos a nuestros clientes que busquen allí a continuación, ya que normalmente necesitan un análisis de opinión como parte de la ingestión de documentos y el proceso de extracción o experiencia del cliente”, dice Evelson.

Análisis de sentimiento, PNL y ML

Pocas empresas construyen sus propias plataformas de análisis de sentimientos. Requiere experiencia interna y grandes conjuntos de datos de entrenamiento. Pero podría valer la pena para las empresas que tienen requisitos muy específicos que no cumplen las plataformas existentes. En estos casos, las empresas suelen desarrollar sus propias herramientas, comenzando con bibliotecas de código abierto.

Las bibliotecas de PNL capaces de realizar análisis de sentimientos incluyen HuggingFace, SpaCy, Flair y AllenNLP. Además, algunas herramientas de lenguaje de máquina de código bajo también admiten el análisis de sentimientos, incluidos PyCaret y Fast.AI.

Para el aprendizaje profundo, el análisis de sentimientos se puede realizar con modelos de transformadores como BERT, XLNet y GPT3. GPT3 incluso puede realizar análisis de sentimiento sin datos de entrenamiento.

La creación de sus propias plataformas puede dar a las empresas una ventaja sobre la competencia, dice Dan Simion, vicepresidente de inteligencia artificial y análisis de Capgemini.

“Esta es la tendencia que estamos viendo en el mercado de las grandes empresas”, dice. “De lo contrario, si está comprando la misma herramienta estándar que su competidor, no obtendrá una ventaja competitiva”.

API de análisis de opiniones

Un enfoque más común para las empresas que crean sus propias plataformas es utilizar la funcionalidad de análisis de sentimientos a través de API. Todos los principales proveedores de nube ofrecen este servicio: Amazon Comprehend, Azure Cognitive Services y Google Natural Language API, por nombrar algunos. IBM Watson también tiene una API.

“La pregunta es, al final del día, qué tan buenas son estas API”, dice Simion de Capgemini. “Si tiene un producto de nicho, será difícil que sea útil”.

Y luego está el costo, agrega.

“Cada llamada a la API cuesta dinero”, dice. “Debe asegurarse de que sea económicamente viable llamar a estas API específicas. Pero puede ser una buena solución para pequeñas y medianas empresas. “

Conjuntos de datos de análisis de sentimiento

Los enfoques de lenguaje de máquina y aprendizaje profundo para el análisis de sentimientos requieren grandes conjuntos de datos de entrenamiento. Las herramientas comerciales y disponibles públicamente generalmente tienen grandes bases de datos, pero tienden a ser muy genéricas, no específicas de dominios industriales restringidos.

“Realmente se necesitan miles de millones de palabras y ejemplos para aprender a desenredar correctamente el sentimiento”, dice Bryan Richardson, socio asociado de McKinsey & Co.

Es posible que las empresas más grandes puedan recopilar sus propios datos con suficiente tiempo.

“Para una sola empresa, minorista o banco, es difícil para ellos obtener suficientes datos sobre sus propios clientes para construir un modelo”, dice. “Pero ahora, a través de herramientas como el aprendizaje por transferencia, los modelos de PNL se están calibrando con corporaciones muy grandes con miles de millones de registros y luego se aplican a diferentes casos de uso”.

Esto significa que una empresa con un pequeño conjunto de datos de capacitación específicos del dominio puede comenzar con una herramienta comercial y adaptarla a sus propias necesidades.

Principales casos de uso de análisis de sentimiento

El caso de uso de análisis de sentimientos más grande de la industria hoy en día es en los centros de llamadas, analizando las comunicaciones de los clientes y las transcripciones de llamadas.

Por ejemplo, si se genera un sentimiento negativo después del lanzamiento de un nuevo producto, esto podría ser una indicación temprana de que algo anda mal, lo que le permitirá a la empresa profundizar para comprender qué funciones están causando problemas o conseguir que más agentes se unan. los problemas.

Con la atención al cliente que ahora incluye más videollamadas basadas en la web, también hay una cantidad cada vez mayor de datos de capacitación en video que comienzan a aparecer.

Los mismos tipos de tecnología que se utilizan para realizar análisis de sentimiento para la experiencia del cliente también se pueden aplicar a la experiencia del empleado. Por ejemplo, el gigante de la consultoría Genpact utiliza análisis de sentimientos con sus 100.000 empleados, dice Amaresh Tripathy, líder global en análisis de la compañía.

“Usamos una herramienta de inteligencia artificial, un chatbot conversacional”, dice. “En lugar de que la gente de RR.HH. se ponga en contacto con todo el mundo para ver si todo va bien y si se sienten apoyados, hay un chatbot y puedes elegir si quieres hablar con él o no”.

Esto puede ayudar a una empresa a encontrar áreas en las que los empleados tengan dificultades o no se sientan apoyados. “Estamos buscando áreas en las que podamos ayudar potencialmente”, dice. “Entramos y tenemos una conversación. Es extremadamente beneficioso porque sabemos cómo apoyar a las personas de una manera beneficiosa. “

El análisis de sentimientos también se puede utilizar para la gestión de marca, para ayudar a una empresa a comprender cómo se sienten los segmentos de su base de clientes con respecto a sus productos y para ayudarla a orientar mejor los mensajes de marketing dirigidos a esos clientes.

“Es particularmente útil en las relaciones públicas”, dice Andy Thurai, vicepresidente y analista principal de Constellation Research. “Desea saber tarde o temprano si alguien dice algo negativo para poder hacer una gestión de crisis. O, si ejecuta un comercial, puede averiguar si a la gente le gusta o no. “

El método antiguo era enviar encuestas, dice, y llevaría días o semanas recopilar y analizar los datos.

“Pero la gente parece dar su opinión sin filtros en Twitter y en otros lugares”, dice.

Copyright © 2021 IDG Communications, Inc.

Related Posts

Socio destacado: ACT Infront Systems

Allan King (sistemas internos) Crédito: proporcionado La serie ‘Partner Spotlight’ explora los socios que operan en la escena del canal local en todo el país, desde Cape York hasta Hobart, desde Byron Bay hasta...

lên đầu trang