/*! elementor – v3.10.1 – 17-01-2023 */
.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}
Die Stimmunsanalyse ist eine Technik, die sich wie die sozialen Netzwerke stark weiterentwickelt hat. Genau dort wo Nutzer Ihre Stimmungen dauerhaft ausdrücken können. Die Stimmunganalyse (oder Sentiment Analysis auf Englisch) hat das Ziel, die emotionale Stimmung eines Gesprächsverlaufes zu bestimmen, indem es ihn zum Beispiel als positiv, negativ oder neutral einstuft.
Sie wird von unterschiedlichen Aktoren, ob es der, sich in einer Kampagne befindenden Politiker ist oder es Unternehmen sind, die ein neues Produkt auf den Markt bringen möchten.
Der Politiker möchte seinen Bekanntheitsgrad, den er bei seinen Wählern erreicht hat, testen, während das Unternehmen eher testen möchten, wie sein Produkt bei der breiten Menge ankommt.
/*! elementor – v3.10.1 – 17-01-2023 */
.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=“.svg“]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}
Aber woraus besteht die Stimmungsanalyse wirklich und wie nutzen Data Scientisten die Machine Learning Techniken, um die Stimmung eines Geprächverlaufes zu entschlüsseln?
Wie funktioniert es?
Die Stimmungsanalyse (oder Sentiment Analysis) wird in der schriftlichen oder mündlichen Kommunikation eingesetzt. Data Scientists können wahlweise Audio- oder Textdaten auswerten. Das Format der Daten bestimmt, welche Technik des maschinellen Lernens verwendet wird.
Wie kann man einen mündlich ausgesprochenen Satz analysieren?
DIn diesem Fall ist der zu analysierende Datensatz ein elektrisches Signal, das vom Gehirn erzeugt wird und als Elektroenzephalogramm ( oder EEG) bezeichnet wird. Im Großen und Ganzen sieht das so aus:
Elektroden werden auf dem Schädel platziert, um diese Daten zu sammeln, die später analysiert werden. Wenn das Experiment bei dir durchführt wird, sieht das so aus:
Nachdem die Signale gesammelt wurden, müssen Merkmale (auch Features genannt) extrahiert werden, die die im Signal enthaltene Information darstellen. Diese Merkmale sind ein Format, das für den Machine Learning Algorithmus, der die Signale klassifiziert, besser lesbar ist. Die Extraktion von Merkmalen erfolgt, indem verschiedene Transformationen wie Filter auf das elektrische Signal angewendet werden.
Sobald die Merkmale extrahiert sind, geben wir sie in unseren Algorithmus ein, z.B. in ein neuronales Netzwerk, damit er die Signale in die verschiedenen Kategorien positiv/negativ/neutral einteilen kann.
Diese Technik, ein Gehirnsignal zu erhalten, um es zu analysieren und daraus eine Polarität (positiv/negativ/neutral) abzuleiten, wird im Alltag kaum genutzt und vor allem in der Forschung eingesetzt, insbesondere von Forschern, die sich mit Fragen der Künstlichen Intelligenz und der Neurowissenschaften beschäftigen.
Wie wird ein Facebook Kommentar kategorisiert?
Um auf diese Problematik zu antworten, nutzen Data Scientisten klassische Methoden wie das Natural Language Processing (für weitere Details kannst du den Artikel NLP- Natural Language Processing- Eine Einführung nachlesen).
Diese Methoden analysieren direkt die Worte und berücksichtigen die kontextuellen und sprachlichen Aspekte der Daten.
Kurz gesagt, die untersuchten Sätze werden als kontextdefinierende Sequenzen angesehen, deren Wörter voneinander abhängig sind, d. h. sie werden in Bezug auf die Wörter analysiert, die ihnen im Satz vorangehen.
Um diese Sätze zu verarbeiten, verwenden Data Scientists rekurrente neuronale Netze (RNNs), neuronale Netze, die auf die Verarbeitung von Sequenzen spezialisiert sind.
Eine (sehr erleichterte) RNN Architektur für die Stimmungsanalyse:
Wenn wir uns den Satz „Du bist höflich“ ansehen, bemerken wir, dass das Wort „höflich“, wenn es vom Algorithmus analysiert wird, eine der beiden Klassen (in diesem Fall positiv) zurückgibt und dass dieses Wort „höflich“ nach dem Wort „es“ analysiert wurde (d.h. im Kontext des Wortes „es“), das seinerseits nach dem Wort „du“ analysiert wurde (d.h. im Kontext des Wortes „du“).
Diese Wiederholung ermöglicht es also, einen Kontext zu definieren, der für die Analyse von Gefühlen unerlässlich ist.
Natürlich gibt es auch subtile Sätze, die für Maschinen komplex zu analysieren sind. „Dieses Parfüm riecht extrem gut, es macht süchtig“. Das Wort „extrem“ kann sowohl positiv als auch negativ konnotiert sein, während „süchtig“ in der Regel mit einem negativen Gefühl verbunden ist.
Obwohl die Technologie der rekurrenten neuronalen Netze (RNN) bereits seit vielen Jahren existiert, konnten Wissenschaftler erst in jüngster Zeit vielversprechende Ergebnisse erzielen, insbesondere aufgrund der sich ständig verbessernden Rechenleistung. Diese Technologie wird daher immer häufiger von Unternehmen eingesetzt, die Feedback von ihren Nutzern zu einem Produkt erhalten möchten, oder von anderen Personen, die Zugang zu einer großen Menge von Nachrichten haben, um eine allgemeine Stimmung zu erzeugen.
Hat dir dieser Artikel gefallen?
Möchtest du wissen, wie man Website Daten zurückerlangen kann, um die Stimmung der Nutzer zu analysieren? Entdecken Sie schnell unseren Artikel über Webscraping.
Bibliografie :
[1] https://medium.com/@justlv/using-ai-to-read-your-thoughts-with-keras-and-an-eeg-sensor-167ace32e84a
[2] Using Brain Data for Sentiment Analysis by Yuqiao Gu, Fabio Celli, Josef Steinberger
