Come Internet sa se sei felice o triste

felice o triste 5 28

Pensa a ciò che hai condiviso con i tuoi amici su Facebook oggi. Sono stati i sentimenti di "stress" o "fallimento", o forse "gioia", "amore" o "eccitazione"? Ogni volta che pubblichiamo sui social media, lasciamo tracce del nostro stato d'animo. The Conversation

Le nostre emozioni sono preziose materie prime e molte aziende stanno sviluppando strumenti automatici per riconoscerli in un processo noto come analisi del sentimento.

Di recente, un rapporto trapelato rivelato che Facebook può identificare quando i giovani si sentono vulnerabili, sebbene l'azienda lo abbia ha insistito che non ha usato l'analisi indirizzare gli utenti alla pubblicità. Facebook anche scusato in 2014 per a esperimento su "contagio emotivo" in cui i messaggi con sentimenti "positivi" o "negativi" sono stati filtrati dai feed degli utenti.

Chiaramente, la capacità di rilevare le emozioni dal testo è di grande interesse per le società di social media e per gli inserzionisti. Ma come funziona l'analisi dei sentimenti, perché è utile e quali sono i pericoli?

Come funziona l'analisi delle opinioni?

Mentre i dettagli dell'algoritmo di Facebook non sono noti pubblicamente, la maggior parte delle tecniche di analisi del sentimento si dividono in due categorie: supervisionate o non supervisionate.

I metodi supervisionati si basano su dati etichettati. In altre parole, si tratta di post che sono stati classificati manualmente come contenenti sentimenti positivi o negativi.

I metodi statistici vengono quindi utilizzati per formare modelli per classificare automaticamente nuovi post in base alla presenza di parole o frasi pre-identificate, ad esempio "stressato" o "rilassato".

I metodi senza supervisione, d'altra parte, spesso si basano sulla costruzione di un dizionario di punteggi per parole diverse. Uno di questi dizionari sviluppato dai miei collaboratori ha chiesto alle persone di assegnare un punteggio 1 alla felicità 9 a parole diverse, e quindi di calcolare la media dei risultati: "arcobaleni", ad esempio, ha ottenuto 8.06, mentre "inutile" ottiene 2.52.

Il sentimento generale di una frase può quindi essere valutato esaminando tutte le parole nel post. Ad esempio, il punteggio medio per il post "Mia mamma ha sempre detto 'la vita è come una scatola di cioccolatini'" è un 6.02 sopra la media secondo questo dizionario, suggerendo che esprime un sentimento positivo.

A cosa serve l'analisi del sentimento?

L'analisi del sentiment è sempre più utilizzata dai marketer per studia le tendenze e formulare raccomandazioni sui prodotti.

Immagina che venga rilasciato un nuovo telefono cellulare; un'analisi del sentiment sui post dei social media sul telefono può dare a una società informazioni preziose e in tempo reale sul suo rendimento.

Vi sono applicazioni più ampie dell'analisi dei sentimenti. I ricercatori hanno recentemente monitorato il sentimento Twitter di Donald Trump nei primi 100 giorni della sua presidenza e robot costruiti per piazzare scambi di mercato quando tweets positivamente o negativamente su società specifiche.

Gli scienziati possono seguire le tendenze emotive anche in altri testi. Ad esempio, abbiamo usato l'analisi del sentimento per studiare gli archi emotivi di oltre i film 1,000 attraverso le loro sceneggiature. L'arco del film 2013 Disney Frozen è mostrato sotto.

Arco emozionale per il film Frozen.

Molti film mostrano modelli simili: picchi regolari e tensioni di tensione e rilascio, seguiti da un 80% particolarmente significativo attraverso il film (ogni speranza è persa!), Prima della risoluzione finale e del lieto fine. Applicando un'analoga analisi ai romanzi, lo abbiamo dimostrato la maggior parte delle storie segue uno dei sei archi di base della storia.

Non siamo ancora così bravi nell'analisi dei sentimenti

Dato che l'analisi del sentimento si basa spesso sui post sui social media, solleva importanti preoccupazioni etiche e questo dibattito è solo all'inizio. Tuttavia, la natura complessa del linguaggio e del significato lo rende incline all'errore.

Prendi la frase "Possa la forza essere con te", che segna 5.35 usando l'analisi del nostro dizionario. Per qualsiasi fan di Star Wars, è ovviamente una frase estremamente positiva, ma ha ottenuto un punteggio modesto nel nostro test perché la parola "forza" è classificata come un 4.0 inferiore alla media.

Questo è comprensibile quando si valuta questa parola in modo isolato, ma nel contesto ha meno senso.

È quindi giustificato un certo scetticismo sulla validità delle capacità di analisi del sentiment di Facebook. È del tutto concepibile che la descrizione di qualcosa come "completamente malato" su Facebook, una frase di approvazione colloquiale, possa portare a uno stato emotivo dell'individuo che viene erroneamente classificato.

Per capire quando l'analisi del sentiment funziona e non funziona, è importante esaminare le parole che guidano risultati particolari.

Per fare questo, usiamo "spostamento di parole"Diagrammi, come quello sotto per Frozen. Questo mostra quali parole hanno reso il climax della sceneggiatura più triste del suo lieto fine: più riferimenti a "tristezza" e "paura", ma stranamente, più "bello".

Tracciare il climax di Frozen al suo lieto fine. Le barre blu verso la parte superiore del grafico mostrano le parole che contribuiscono maggiormente alla differenza nel punteggio.

Promessa e un avvertimento

L'analisi del sentimento è uno strumento potente, ma è solo una scienza giovane e deve essere utilizzata con cautela.

Gli scienziati devono sviluppare strumenti che ci permettano di guardare "sotto il cofano" e capire perché alcuni algoritmi producono i risultati che fanno. Questo è l'unico modo per diagnosticare problemi con metodi diversi e, cosa più importante, per educare il pubblico sulle possibilità e sui limiti del campo.

La ricerca dell'analisi del sentiment è stata in gran parte costruita su grandi set di dati pubblici, in particolare dai social media. È importante che quelli di noi forniscano involontariamente i dati per capire cosa può e non può essere utilizzato, e come.

Circa l'autore

Lewis Mitchell, docente di matematica applicata, Università di Adelaide. Michelle Edwards ha contribuito a questo articolo.

Questo articolo è stato pubblicato in origine The Conversation. Leggi il articolo originale.

Libri correlati:

{amazonWS: searchindex = Libri; parole chiave = privacy su Internet; maxresults = 3}

enafarZH-CNzh-TWtlfrdehiiditjamsptrues

segui InnerSelf su

google-plus-iconfacebook-icontwitter-iconrss-icon

Ricevi l'ultimo tramite e-mail

{Emailcloak = off}

segui InnerSelf su

google-plus-iconfacebook-icontwitter-iconrss-icon

Ricevi l'ultimo tramite e-mail

{Emailcloak = off}