\n.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}<\/p>\n
![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/data_geniale_Plan-de-travail-1.webp\")
Aber woraus besteht die Stimmungsanalyse wirklich und wie nutzen Data Scientisten die Machine Learning Techniken, um die Stimmung eines Gepr\u00e4chverlaufes zu entschl\u00fcsseln?<\/b><\/p>\nWie funktioniert es?<\/h3>\n
Die Stimmungsanalyse (oder Sentiment Analysis) wird in der schriftlichen oder m\u00fcndlichen Kommunikation eingesetzt. Data Scientists k\u00f6nnen wahlweise Audio- oder Textdaten auswerten. Das Format der Daten bestimmt, welche Technik des maschinellen Lernens verwendet wird.<\/p>\n
Wie kann man einen m\u00fcndlich ausgesprochenen Satz analysieren?<\/h3>\n
DIn diesem Fall ist der zu analysierende Datensatz ein elektrisches Signal, das vom Gehirn erzeugt wird und als Elektroenzephalogramm ( oder EEG) bezeichnet wird. Im Gro\u00dfen und Ganzen sieht das so aus:<\/p>\n Elektroden werden auf dem Sch\u00e4del platziert, um diese Daten zu sammeln, die sp\u00e4ter analysiert werden. Wenn das Experiment bei dir durchf\u00fchrt wird, sieht das so aus:<\/p>\n Nachdem die Signale gesammelt wurden, m\u00fcssen Merkmale<\/strong> (auch Features genannt) extrahiert werden, die die im Signal enthaltene Information darstellen. Diese Merkmale sind ein Format, das f\u00fcr den Machine Learning Algorithmus<\/strong>, der die Signale klassifiziert, besser lesbar ist. Die Extraktion von Merkmalen erfolgt, indem verschiedene Transformationen wie Filter auf das elektrische Signal angewendet werden.<\/p>\n Sobald die Merkmale extrahiert sind, geben wir sie in unseren Algorithmus ein, z.B. in ein neuronales Netzwerk<\/strong>, damit er die Signale in die verschiedenen Kategorien positiv\/negativ\/neutral einteilen kann.<\/p>\n Diese Technik, ein Gehirnsignal zu erhalten, um es zu analysieren und daraus eine Polarit\u00e4t (positiv\/negativ\/neutral) abzuleiten, wird im Alltag kaum genutzt und vor allem in der Forschung eingesetzt, insbesondere von Forschern, die sich mit Fragen der K\u00fcnstlichen Intelligenz<\/strong> und der Neurowissenschaften besch\u00e4ftigen.<\/p>\n Um auf diese Problematik zu antworten, nutzen Data Scientisten klassische Methoden wie das Natural Language Processing<\/a> (f\u00fcr weitere Details kannst du den Artikel NLP- Natural Language Processing- Eine Einf\u00fchrung<\/a> nachlesen). <\/p>\n Diese Methoden analysieren direkt die Worte und ber\u00fccksichtigen die kontextuellen und sprachlichen Aspekte der Daten.<\/p>\n Kurz gesagt, die untersuchten S\u00e4tze werden als kontextdefinierende Sequenzen angesehen, deren W\u00f6rter voneinander abh\u00e4ngig sind, d.\u202fh. sie werden in Bezug auf die W\u00f6rter analysiert, die ihnen im Satz vorangehen.<\/p>\n Um diese S\u00e4tze zu verarbeiten, verwenden Data Scientists rekurrente neuronale Netze (RNNs), neuronale Netze<\/i>, die auf die Verarbeitung von Sequenzen spezialisiert sind.<\/p>\n Eine (sehr erleichterte) RNN Architektur f\u00fcr die Stimmungsanalyse:<\/p>\n Wenn wir uns den Satz „Du bist h\u00f6flich“ ansehen, bemerken wir, dass das Wort „h\u00f6flich“, wenn es vom Algorithmus analysiert wird, eine der beiden Klassen (in diesem Fall positiv) zur\u00fcckgibt und dass dieses Wort „h\u00f6flich“ 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“). <\/p>\n Diese Wiederholung erm\u00f6glicht es also, einen Kontext<\/strong> zu definieren, der f\u00fcr die Analyse von Gef\u00fchlen unerl\u00e4sslich ist. <\/p>\n Nat\u00fcrlich gibt es auch subtile S\u00e4tze, die f\u00fcr Maschinen komplex zu analysieren sind. „Dieses Parf\u00fcm riecht extrem gut, es macht s\u00fcchtig“. Das Wort „extrem“ kann sowohl positiv als auch negativ konnotiert sein, w\u00e4hrend „s\u00fcchtig“ in der Regel mit einem negativen Gef\u00fchl verbunden ist.<\/p>\n Obwohl die Technologie der rekurrenten neuronalen Netze (RNN) bereits seit vielen Jahren existiert, konnten Wissenschaftler erst in j\u00fcngster Zeit vielversprechende Ergebnisse erzielen, insbesondere aufgrund der sich st\u00e4ndig verbessernden Rechenleistung<\/strong>. Diese Technologie wird daher immer h\u00e4ufiger von Unternehmen eingesetzt, die Feedback von ihren Nutzern zu einem Produkt erhalten m\u00f6chten, oder von anderen Personen, die Zugang zu einer gro\u00dfen Menge von Nachrichten haben, um eine allgemeine Stimmung zu erzeugen.<\/p>\n M\u00f6chtest du wissen, wie man Website Daten zur\u00fcckerlangen kann, um die Stimmung der Nutzer zu analysieren? Entdecken Sie schnell unseren Artikel \u00fcber Webscraping<\/a>.<\/p>\n![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image_SA_2.webp\")
![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/image_sa.webp\")
<\/p>\nWie wird ein Facebook Kommentar kategorisiert?<\/h3>\n
![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/02\/Capture-de\u0301cran-2020-09-07-a\u0300-09.53.32.webp\")
Hat dir dieser Artikel gefallen?<\/h3>\n
Bibliografie :<\/h3>\n