什麼是情緒分析？
情緒分析是分析數位文字的過程，以判斷訊息的情感基調是正面、負面還是中性。如今，公司擁有大量文字資料，例如電子郵件、客戶支援聊天記錄、社交媒體意見和評論。情緒分析工具可以掃描這些文字，自動判斷作者對某個主題的態度。公司使用情緒分析中的洞察來改善客戶服務並提高品牌聲譽。
為什麼情緒分析很重要？
情緒分析，也稱為意見挖掘，是一種重要的商業智慧工具，可協助公司改善其產品和服務。我們在下面給出了情緒分析的一些好處。
提供客觀洞見
企業可以使用以人工智慧 (AI) 為基礎的情緒分析工具，避免與人工審核者相關的個人偏見。因此，公司在分析客戶意見時獲得一致且客觀的結果。
例如，考慮下面的句子：
我對處理器的速度感到驚訝，但對它迅速發熱感到失望。
營銷人員可能會忽略評論中令人沮喪的部分，而偏向於處理器的效能。但是，精確的情緒分析工具會對文字進行排序和分類，以客觀地感知情緒。
打造更好的產品和服務
情緒分析系統可協助企業根據真實和具體的客戶意見回饋來改善其產品和服務。AI 技術可識別客戶與負面情緒相關的真實物件或情況 (稱為實體)。在上面的例子中，產品工程師專注於提高處理器的熱管理能力，因為文字分析軟體將失望 (負面) 與處理器 (實體) 和發熱 (實體) 相關聯。
大規模分析
企業不斷從大量非結構式資料中挖掘資訊，例如電子郵件、聊天機器人記錄、調查、客戶關係管理記錄以及產品意見回饋。雲端情緒分析工具使企業能夠以可承受的成本擴展在文字資料中發現客戶情緒的過程。
即時結果
在當今快速變化的環境中，企業必須迅速應對潛在危機或市場趨勢。行銷人員依賴情緒分析軟體，即時了解客戶對公司品牌、產品和服務的感受，並根據他們的發現立即採取行動。他們可以設定軟體，以便在檢測到特定關鍵字的負面情緒時傳送警報。
什麼是情緒分析使用案例？
企業使用情緒分析來獲得情報，並在不同領域形成可行的計劃。
改善客戶服務
客戶支援團隊使用情緒分析工具，根據對話的情緒來個性化回應。具有情緒分析功能的基於人工智慧 (AI) 的聊天機器人會發現緊急事件，並將其上報給支援人員。
品牌監控
組織不斷監控社交媒體、論壇、部落格、新聞文章和其他數位空間中對其品牌的提及和閒聊。情緒分析技術使公關團隊能夠了解相關的正在發生的情況。團隊可以評估潛在的情緒，以解決投訴或利用積極趨勢。
市場研究
情緒分析系統透過了解哪些有效及哪些無效，協助企業改善其產品供應。行銷人員可以分析線上評論網站、調查回覆和社交媒體文章的留言，以深入瞭解特定產品功能。他們將研究結果傳達給進行創新的產品工程師。
追蹤行銷活動效能
行銷人員使用情緒分析工具來確保他們的廣告活動能產生預期的回應。他們跟蹤社交媒體平台上的對話，並確保整體情緒令人鼓舞。如果褒貶度低於預期，行銷人員會根據即時資料分析來調整宣傳活動。
情緒分析如何運作？
情緒分析是自然語言處理 (NLP) 技術的應用程式，可訓練電腦軟體以類似於人類的方式理解文字。在提供最終結果之前，分析通常會經過幾個階段。
預先處理
在預先處理階段，情緒分析會識別關鍵字，以強調文字的核心訊息。
- 字符化將句子分成幾個元素或字符。
- 詞形還原將單詞轉換為其根形式。例如，am 的根形式是 be。
- 無用詞移除會篩選掉不會為句子增加有意義價值的單詞。例如，with、for、at 以及 of 是無用詞。
關鍵字分析
NLP 技術可進一步分析擷取的關鍵字，並為其提供情緒分數。情緒分數是在情緒分析系統中指示情緒元素的測量等級。它提供了用於分析目的以文字表達的情感的相對感知。例如，研究人員在分析客戶評論時使用 10 表示滿意度和 0 表示失望。
情緒分析有哪些方法？
情緒分析軟體使用的主要方法有三種。
規則型
規則型方法根據預定的詞典來識別、分類和評定特定關鍵字。詞典是代表作者意圖、情感和情緒的單詞彙編。行銷人員會將情緒分數指派給正面和負面詞典，以反映不同表達方式的情緒權重。若要判斷句子是正面、負面還是中性，軟體會掃描詞典中列出的單詞，並匯總情緒分數。將最終分數與情緒邊界進行比較，以確定整體情感承受力。
規則型分析範例
請考慮這樣一個系統，它在正面詞典中有 happy、affordable 以及 fast 等單詞，在負面詞典中有 poor、expensive 以及 difficult 等單詞。行銷人員確定正面單詞分數為從 5 到 10，負面單詞分數為從 -1 到 -10。設定特殊規則來識別雙重否定 (例如 not bad) 作為正面情緒。行銷人員認為超過 3 的整體情緒分數為正面，而 - 3 至 3 則標示為混合情緒。
優點與缺點
規則型情緒分析系統很容易設定，但很難擴展。例如，當您發現可在文字輸入中傳達意圖的新關鍵字時，您將需要不斷擴展詞典。同樣，在處理受不同文化影響的句子時，這種方法可能不准確。
機器學習
此方法使用機器學習 (ML) 技術和情緒分類演算法，例如神經網路和深度學習，教導電腦軟體從文字中識別情緒。此程序涉及建立情緒分析模型，並針對已知資料重複訓練，以便可以高度準確地猜測未知資料中的情緒。
訓練
在訓練期間，資料科學家會使用包含大量範例的情緒分析資料集。ML 軟體使用資料集作為輸入並訓練自己，以達到預定的結論。透過使用大量不同範例進行訓練，軟體可區分並確定不同單詞排列對最終情緒分數的影響。
優點與缺點
ML 情緒分析非常有利，因為它可以準確地處理各種文字資訊。只要軟體使用足夠的範例進行訓練，ML 情緒分析就可以準確預測訊息的情感基調。但是，訓練有素的 ML 模型僅限於一個業務領域。這意味著，在沒有重新訓練的情況下，使用行銷資料進行訓練的情緒分析軟體不能用於社交媒體監控。
混合
混合式情緒分析的運作方式是結合 ML 系統和規則型系統。在文字中獲得上下文意圖時，它使用這兩種方法的功能來優化速度和準確性。但是，將兩個不同的系統結合在一起需要時間和技術努力。
有哪些不同類型的情緒分析？
企業使用不同類型的情緒分析來了解客戶在與產品或服務互動時的感受。
精細評分
精細的情緒分析是指將文字意圖分類為多個層級的情緒。通常，此方法涉及將使用者情緒評分為 0 到 100，每個相等區段代表非常正面、正面、中性、負面和非常負面。電子商務商店使用 5 星級評分系統作為精細評分方法來衡量購買體驗。
特征型
特征型分析著重於產品或服務的特定方面。例如，筆記型電腦製造商會針對客戶在聲音、圖形、鍵盤和觸控板方面的使用體驗進行調查。他們使用情緒分析工具，將客戶意圖與硬體相關的關鍵字聯繫起來。
意向型
意向型分析有助於在進行市場研究時了解客戶情緒。行銷人員使用意見挖掘來了解特定客戶群在購買週期中的位置。他們在受監控的對話中獲得諸如折扣、交易和評論等詞語後，對有興趣購買的客戶執行有針對性的行銷活動。
情緒檢測
情緒檢測涉及分析一個人在寫下文字時的心理狀態。情緒檢測是情緒分析的一個更複雜的學科，因為它比僅僅按類別進行分類更深入。在這種方法中，情緒分析模型試圖透過個人對單詞的選擇來解釋各種情緒，例如喜悅、憤怒、悲傷和遺憾。
情緒分析面臨哪些挑戰？
儘管自然語言處理 (NLP) 技術有所進步，但對於機器而言，理解人類語言仍然具有挑戰性。他們可能會誤解人類溝通的細微差別，例如下面給出的細微差別。
諷刺
電腦很難分析包含諷刺的句子中的情緒。請考慮下面的句子，是的，很好。我的訂單花了三個星期才到達。除非電腦在完全理解情況下分析句子，否則它會根據「很好」一詞將體驗標記為正面。
否定
否定是使用否定詞來傳達句子含義的反面意思。例如，我不會說訂閱昂貴。 情緒分析演算法可能難以正確解釋這些句子，尤其是如果否定發生在兩個句子之間，例如，我認為訂閱很便宜。它並不便宜。
多重性
當句子包含多個情緒時，就會發生多重性。例如，有這樣一條產品評論，我對結實的構造很滿意，但對顏色不滿意。 軟體很難解譯基礎情緒。您需要使用特征型情緒分析來擷取每個實體及其對應的情緒。
什麼是語義分析？
語義分析是一個電腦科學術語，用於理解文字資訊中詞語的含義。它使用機器學習 (ML) 和自然語言處理 (NLP) 來理解句子中詞語和語法正確性之間的關係。
情緒分析與語義分析
情緒分析解決方案會透過瞭解基礎情緒來分類文字。它的運作方式是使用特定資料集訓練 ML 演算法，或設定規則型詞典。同時，語義分析可以理解和處理更廣泛和多樣的資訊。可以整合兩種語言技術，協助企業更深入了解客戶。
AWS 如何協助進行情緒分析？
Amazon Comprehend 是一種自然語言處理 (NLP) 解決方案，可協助企業從文字文件中擷取和識別有意義的見解。它使用機器學習 (ML) 技術，透過自動化文字擷取來執行情緒分析。公司使用特定產業的文件來訓練 Amazon Comprehend，以產生高度準確的結果。
- Amazon Comprehend 情緒分析 API 會告訴開發人員文字是正面、負面、中性還是混合文字。
- Amazon Comprehend 目標情緒可讓企業將情緒分析縮小到產品或服務的特定部分。
- Amazon Comprehend 支援多種語言，包括德文、英文、西班牙文、義大利文、葡萄牙文和法文。
立即建立 AWS 帳戶，開始使用情緒分析。
