![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/data_geniale_Plan-de-travail-1.png\")
Aber was ist eigentlich Sentiment Analysis und wie nutzen Data Scientists Machine-Learning-Techniken, um den emotionalen Ton einer Rede zu entschl\u00fcsseln?<\/h3>\nWie funktioniert Sentiment Analysis?<\/h3>\n
Die Stimmungsanalyse (oder sentiment analysis) kommt bei der schriftlichen und m\u00fcndlichen Kommunikation<\/strong> zum Einsatz. Data Scientists<\/a> haben die M\u00f6glichkeit, Audio- oder Textdaten auszuwerten. Das Format der Daten bestimmt, welche Machine-Learning-Technik verwendet wird.<\/p>\n In diesem Fall sind die zu analysierenden Daten ein vom Gehirn erzeugtes elektrisches Signal, das Elektroenzephalogramm ( oder EEG) genannt wird. Im Gro\u00dfen und Ganzen sieht das so aus:<\/p>\n Um diese Daten zu sammeln, die sp\u00e4ter analysiert werden, werden Elektroden auf dem Sch\u00e4del angebracht. Wenn das Experiment an dir durchgef\u00fchrt wird, w\u00fcrdest du ungef\u00e4hr so aussehen:<\/p>\n Nachdem die Signale gesammelt wurden, m\u00fcssen daraus Merkmale (im Englischen auch features genannt)<\/strong> extrahiert werden, die die im Signal enthaltene Information darstellen. Diese Merkmale sind ein Format, das f\u00fcr den Machine-Learning-Algorithmus<\/a>, 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 wir die Merkmale extrahiert haben, geben wir sie in unseren Algorithmus ein, z. B. in ein Neuronales Netzwerk (oder Neural Network)<\/a>, damit es die Signale in verschiedene Kategorien einteilen kann: positiv\/negativ\/neutral.<\/p>\n In Wirklichkeit wird diese Technik, ein Gehirnsignal zu sammeln, um es dann zu analysieren und daraus eine Polarit\u00e4t (positiv\/negativ\/neutral) abzuleiten, im Alltag kaum genutzt und vor allem in der Forschung eingesetzt, insbesondere von Forschern, die sich f\u00fcr Probleme interessieren, die K\u00fcnstliche Intelligenz und Neurowissenschaften miteinander verkn\u00fcpfen.<\/p>\n Um dieses Problem zu l\u00f6sen, verwenden Data Scientists die klassischen Methoden des Natural Language Processing<\/a> (f\u00fcr weitere Details siehe den Artikel Einf\u00fchrung in NLP- Natural Language Processing auf der Website).<\/p>\n Diese Methoden analysieren direkt die W\u00f6rter und m\u00fcssen die kontextuellen und linguistischen Aspekte der Daten ber\u00fccksichtigen.<\/p>\n Kurz gesagt, der zu analysierende Satz wird als eine Sequenz behandelt, die einen Kontext definiert und deren W\u00f6rter voneinander abh\u00e4ngig sind, d. h. sie werden im Hinblick auf die W\u00f6rter analysiert, die ihnen im Satz vorausgehen.<\/p>\n Um diese S\u00e4tze zu verarbeiten, verwenden Data Scientists rekurrente neuronale Netze (RNN), die auf die Verarbeitung von Sequenzen spezialisiert sind.<\/p>\n Eine (stark vereinfachte) RNN-Architektur f\u00fcr die Analyse von Gef\u00fchlen k\u00f6nnte daher wie folgt aussehen:<\/p>\n Wenn wir den Satz „Du bist h\u00f6flich“<\/em> nehmen, sehen 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 „bist“ analysiert wurde (d. h. im Kontext des Wortes „bist“), 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 zu definieren, der f\u00fcr die Analyse von Gef\u00fchlen unerl\u00e4sslich ist.<\/a><\/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) schon seit vielen Jahren existiert, ist es Wissenschaftlern erst vor kurzem gelungen, sehr vielversprechende Ergebnisse zu erzielen, vor allem dank der immer besser werdenden Rechenleistung. Diese Technologie wird daher immer regelm\u00e4\u00dfiger von Unternehmen eingesetzt, die von ihren Nutzern ein Feedback zu einem Produkt erhalten m\u00f6chten, oder von allen anderen Personen, die Zugang zu einer gro\u00dfen Menge an Nachrichten haben, um daraus eine allgemeine Stimmung abzuleiten.<\/p>\n Hat dir dieser Artikel gefallen?<\/p>\n Du fragst dich, wie du Daten von einer Website abrufen kannst, um die Gef\u00fchle der Nutzer zu analysieren?<\/p>\n Schau dir schnell unseren Artikel \u00fcber Webscraping an.<\/a><\/p>\nWie analysiert man einen m\u00fcndlich gesprochenen Satz?<\/h3>\n
![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/image_SA_2.png\")
![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/image_sa.png\")
Wie wird ein auf Facebook geschriebener Kommentar klassifiziert?<\/h3>\n
![\"\"](\"https:\/\/liora.io\/app\/uploads\/sites\/8\/2023\/07\/Capture-decran-2020-09-07-a-09.53.32.png\")
Bibliographie :<\/h3>\n