Dieser Artikel behandelt:
Tonalitätsübersicht
Sentiment ist definiert als eine Ansicht oder Einstellung zu einer Situation oder einem Ereignis, eine Meinung.
Die Tonalitätsanalyse analysiert einen Text, um dessen Meinung zu ermitteln. Die Meinung wird dann entweder als eher positiv oder eher negativ eingestuft. Dies wird als Polarität bezeichnet.
Die Gesamttonalität wird dann auf Grundlage des Gesamt-Polaritäts-Scores entweder als positiv, negativ oder neutral eingestuft. Wenn etwas sowohl positiv als auch negativ ist, aber eher positiv, würde der Polaritäts-Score es als positiv einstufen.
So bestimmt Meltwater die Tonalität
Unser Tonalitätsmodell nutzt die Transformer-Technologie, eine Deep-Learning-Technologie
von Weltklasse.Transformer-basierte Tonalitätsmodelle gehören zu den genauesten Modellen im Bereich der Verarbeitung natürlicher Sprache.
Unser neuestes Modell beinhaltet spezielle Funktionen, um eine hohe Genauigkeit zu gewährleisten:
Der Aufmerksamkeitsmechanismus – Verstehen durch Fokus auf die wichtigsten und relevantesten Wörter im Text.
Wenn Sie beispielsweise in einem Satz wie „Ich habe mit der Maus geklickt, um das Fenster zu schließen“ besonders auf das Wort „klicken“ achten, kann das Modell besser verstehen, dass sich „Maus“ hier auf ein Computerzubehör und nicht auf ein Tier bezieht und „Fenster“ sich auf etwas wie Ihr Browserfenster im Computer bezieht, und nicht auf die Fenster im eigenen Haus.
Stellen Sie sich menschliche Aufmerksamkeit vor. Wenn wir jemanden sprechen hören oder wenn wir einen Text lesen, konzentrieren wir uns unbewusst auf die Wörter, die für die Ableitung von Bedeutung und Verständnis am wichtigsten sind, und erinnern uns daran.
Satzbasierte Einbettungen – Unser neues Modell basiert auf einem vorab trainierten Open-Source-Modell von Google (BERT). Während alte Modelle Wörter als Vektoren darstellen, stellt BERT ganze Sätze als Vektoren dar. Dies bedeutet, dass unser Modell besser für den Umgang mit Wörtern mit mehreren Bedeutungen geeignet ist. Zum Beispiel Maus. Hier sind weitere Beispiele:
Tonalität in Meltwater
Die Tonalität vermittelt einen Eindruck von der allgemeinen Stimmungslage eines Artikels oder einer Nennung. Dies ermöglicht einen Einblick in jedes Ergebnis und fasst den Ton der Nachricht entweder als positiv, negativ, neutral oder nicht bewertet zusammen. Dies erfolgt auf Grundlage unserer Algorithmen zur Verarbeitung natürlicher Sprache (NLP). Es hilft, dem Ergebnis einen Kontext zu geben und gibt Ihnen auf ganzheitliche Weise einen Überblick zum Ton Ihrer Suche, Ihrer Marke oder der für Sie relevanten Themen.
Wir unterstützen die Spracherkennung für 242 Sprachen und bieten eine vollständige Tonalitätsanalyse für 218 Sprachen und Dialekte an.
Im Folgenden finden Sie einige Beispiele für Tonalität in Meltwater.
Positiv. Hier schwärmt ein Nutzer für eine Coca-Cola-Kampagne.
Negativ. Dieser Nutzer zeigt negative Emotionen hinsichtlich des Geschmacks eines Coca-Cola-Produkts.
Neutral. Dieser Nutzer gibt einfach eine Tatsache über ein Coca-Cola-Sammelstück an, ohne dass damit eine Emotion verbunden ist.
Nun ein nicht so eindeutiges Beispiel. NLP- und Tonalitätanalysen sind sehr genau, aber nicht perfekt. Slang, Sarkasmus, Schlussfolgerungen und Subtext können die Art und Weise verändern, wie unterschiedliche Personen eine Tonalität wahrnehmen. Es kann sogar sein, dass zwei Personen dieselbe Nachricht betrachten und unterschiedliche Meinungen zu Tonalität haben! Nachfolgend ist ein gutes Beispiel:
Dieser Nutzer erwähnte, dass er Pepsi mag, was positiv für Pepsi sein würde.
Er sagte auch, dass er Coca-Cola lieber mag als Pepsi. Das ist positiv für Coca-Cola und negativ für Pepsi. Aber er sagte auch, dass er Pepsi mag, ist das also immer noch positiv für Pepsi?
Dieser Benutzer erwähnte Pepsi und Coca-Cola, aber nicht RC Cola. Wäre dies negativ, positiv oder neutral für RC Cola?
Dieses Beispiel verdeutlicht, dass auch bei NLP der Kontext eine Rolle spielt, wenn es um die Bestimmung von Tonalität geht, da er sich auf die Gesamtziele innerhalb Ihrer Ergebnisse bezieht. Manchmal stimmen Sie einer zugewiesenen Tonalität nicht zu, und das ist in Ordnung! Im nächsten Abschnitt erfahren Sie mehr dazu, wie Sie die Tonalität in Meltwater manuell ändern können.
Wie ändert man manuell die Tonalität?
Mit der Tonalitätsanpassung Sentiment Override können Sie einem Artikel oder einer Nennung manuell eine Tonalität zuweisen oder die von System zugeteilte Tonalität überschreiben.
Klicken Sie auf die aktuelle Tonalität
Weisen Sie „Positiv“, „Neutral“, „Negativ“ oder „Nicht bewertet“ über das Dropdown-Menü zu.
Wenn das Dokument Artikelduplikate enthält, öffnet sich ein Pop-up-Fenster mit der Frage „Auf Duplikate anwenden?“. Wählen Sie aus, ob Sie die Tonalität einem ausgewählten Ergebnis oder auch den Duplikaten zuweisen möchten.
Falls Sie die Tonalität eines Artikels manuell angepasst haben, wird das Tonalitätssymbol mit einer Farbe ausgefüllt. Andernfalls handelt sich es um einen farbigen Kreisrand ohne Farbfüllung.
*Wichtiger Hinweis:
Stimmungsänderungen werden auf Kontoebene vorgenommen und Widgets und Excel-Exporte spiegeln die Änderungen wider.
Die Anpassungen der Tonalität können rückgängig gemacht werden, indem Sie erneut auf das Tonalitätssymbol klicken und „Zurücksetzen“ auswählen.
Man kann nicht anzeigen, welche Person in Ihrem Team die Tonalität geändert hat.
Massen-Tonalitätsanpassung
Sie können die Tonalität im Content-Stream mit einer Massenauswahl überschreiben, anstatt sie für jedes Ergebnis einzeln überschreiben zu müssen.
Wählen Sie Dokumente im Content-Stream aus (max. 500 Dokumente gleichzeitig).
Klicken Sie auf das Tonalitäts-Emoticon (glückliches Gesicht) in der Aktionsleiste des Content-Streams.
Wählen Sie die Tonalität aus, in die Sie alle Dokumente ändern möchten, oder setzen Sie die Tonalität auf das Ergebnis der ursprünglichen Tonalitätsanalyse zurück.
Hinweis: Wenn Sie mehr als 500 Dokumente auswählen oder das Feld „Alle auswählen“ oben im Content-Stream aktivieren und auf „Alle Gesamtergebnisse auswählen“ klicken, verschwindet das Tonalitäts-Emoticon, da nicht mehr als 500 Ergebnisse auf einmal geändert werden können.
Reporting zur Tonalität
Klassische Dashboards
Innerhalb von klassischen Dashboards gibt es zwei Widgets, die Ihnen helfen können, die Gesamtstimmung einer Gruppe von Artikeln zu verstehen. Diese heißen „Tonalität“ und „Tonalitätsverlauf“.
Tonalität – Dies gibt einen Einblick in das Volumen der Dokumente, denen ein positiver, negativer oder neutraler Tonalitäts-Score zugewiesen wurde. Es hilft, dem Artikel einen Kontext zu geben und gibt Ihnen ganzheitlich einen Überblick über den Ton Ihrer Suche, Ihre Marke oder für Sie relevante Themen. Dieses Diagramm kann in den folgenden Diagrammtypen angezeigt werden: Ringdiagramm (wie unten gezeigt), Liniendiagramm, Säulen- oder Kreisdiagramm.
Tonalitätsverlauf – Er summiert den Prozentsatz positiver Artikel im Vergleich zu negativen Artikeln und ignoriert die „neutralen“ Artikel.
Tonalität im Vergleich zum vorhergehenden Zeitraum — Diese Kennzahl bietet eine Übersicht über die Tonalität der Ergebnisse. Die Berechnung erfolgt, indem die Ergebnisse mit negativer Tonalität von den Ergebnissen mit positiver Tonalität abgezogen und dann mit der Gesamtzahl der Dokumente mit einer Tonalitätsbewertung verglichen werden. Formel: ([Anzahl positiver Dokumente] - [Anzahl negativer Dokumente]) / ([Anzahl Dokumente mit Tonalitätsbewertung]) x 100
Pro-Tipp Wenn die Hälfte Ihrer Artikel positiv und die andere Hälfte negativ ist, erwarten Sie eine Punktzahl von "0". Wenn alle Artikel positiv sind, erwarten Sie eine Punktzahl von "+100".
Dashboard-Vorlagen
Die folgenden Tonalität-Widgets finden Sie in den Dashboards „Canvas-Layout“, „Folien-Layout“, „Marken-Berichtsvorlage“, „Benchmark-Berichtsvorlage“, „Kampagnen-Berichtsvorlage“, „Berichterstattungsbericht-Vorlage“ und „Earned Media Messung“.
Durchschnittliche Tonalität – Zeigt die durchschnittliche Tonalität der Nennungen für Ihre ausgewählten Eingaben an. Die Tonalität wird mittels unserer Natural Language Processing Algorithmen ermittelt.
Aufschlüsselung der Tonalität – Zeigt eine Aufschlüsselung der Tonalität für Nennungen in Ihren ausgewählten Eingaben an. Die Tonalität wird mittels unserer Natural Language Processing Algorithmen ermittelt. Nennungen, die als „Nicht bewertet“ gekennzeichnet sind, haben nicht genug Text, um die Tonalität zu analysieren. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Tonalitätstrend – Zeigt eine Aufschlüsselung der Tonalität für Nennungen in Ihren ausgewählten Eingaben an, die im Laufe der Zeit im Trend liegen. Nennungen mit der Kennzeichnung „Nicht bewertet“ enthalten nicht genug Text, um die Tonalität zu analysieren. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Tonalität nach Quellentyp – Zeigt eine Aufschlüsselung der Tonalität für Nennungen in Ihren ausgewählten Eingaben, getrennt nach Quellentyp. Nennungen mit der Kennzeichnung „Nicht bewertet“ enthalten nicht genug Text, um die Tonalität zu analysieren. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Durchschnittlicher Tonalitätstrend – Zeigt eine durchschnittliche Tonalität der Nennungen für jede Ihrer ausgewählten Eingaben im Laufe der Zeit. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Top-Stichwörter mit Tonalität – Zeigt die Stichwörter und Phrasen an, die in Ihren ausgewählten Eingaben am häufigsten in Nennungen vorkommen, aufgeschlüsselt nach der Tonalität der Nennung. Nennungen, die als „Nicht bewertet“ gekennzeichnet sind, haben nicht genug Text, um die Tonalität zu analysieren. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Top-Publikationen mit Tonalität– Zeigt die redaktionellen Publikationen mit den meisten Nennungen, aufgeschlüsselt nach der Tonalität der Nennungen. Nennungen, die als „Nicht bewertet“ gekennzeichnet sind, haben nicht genug Text, um die Tonalität zu analysieren. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Top-Standorte mit Tonalität – Verteilung der Nennungen nach Standort, basierend auf dem Standort des Autors, zusätzlich unterteilt nach Tonalität. YouTube-Daten sind gemäß den Richtlinien von YouTube von dieser Visualisierung ausgeschlossen.
Durchschnittliche Tonalität – Zeigt die durchschnittliche Tonalität der Nennungen für Ihre ausgewählten Eingaben an. Die Tonalität wird mittels unserer Natural Language Processing Algorithmen ermittelt.
Tonalitätssuche auf Entitätsebene
Sie können jetzt nach Tonalität auf Entitätsebene suchen!
Mit der neuen Boolesche Suche für granulare Tonalität können Sie Artikel und Posts abrufen, bei denen eine bestimmte Entität (z. B. Ihre Marke, Ihr Konkurrent oder Ihr Produkt) in einem negativen oder positiven Satz erwähnt wird, während die Gesamt-Tonalität des Dokuments unterschiedlich sein kann.
Diese Abfrage findet zum Beispiel alle Dokumente, in denen Tesla als Entität identifiziert wurde und in einem negativen Satz vorkommt:
enrichments.namedEntities[canonicalName:Tesla AND sentiment.discrete:v]
Um positive Ergebnisse zu finden, ändern Sie die Tonalitätsvariable von v (negativ) auf p (positiv) wie folgt:
enrichments.namedEntities[canonicalname:Tesla AND sentiment.discrete:p]
Um mehrere Versionen der Entität abzudecken, können Sie bei der Abfrage zur Bezeichnung OR hinzusetzen:
enrichments.namedEntities[canonicalName:Tesla OR name:“Tesla Motors“ AND sentiment.discrete:p]
Die booleschen Variablen für Tonalität umfassen
p - positiv
n - neutral
v - negativ
u - nicht bewertet
*Wichtiger Hinweis:
In Fällen, in denen zwei oder mehr Entitäten im selben Satz mit unterschiedlichen Tonalitäten erwähnt werden, wird die Tonalität des Satzes auf der Grundlage der überwiegenden kombinierten Tonalität zugewiesen.
Zum Beispiel: Coca Cola ist das Beste, Pepsi mag ich nicht.
Dieser Satz ist mehr positiv als negativ. Deshalb erhalten alle erkannten Entitäten in diesem Satz eine positive Tonalität.
Die Suche nach Entitäten ist noch nicht für Social-Media-Kanäle verfügbar, in denen eine Marke per @Handle und nicht mit ausgeschriebenem Namen erwähnt wird, wie z. B. bei Twitter.
Immer besser werden
Wir fügen weiterhin weitere Sprachen zu unseren NLP- und modernen Deep-Learning-Modellen hinzu, damit wir die akkurate Erkennung von Tonalität verbessern und bei Bedarf Sprachen besser anpassen können.
💡 Tipp
Benötigen Sie weitere Hilfe? Kontaktieren Sie uns gerne per Live-Chat oder besuchen Sie unsere Kunden-Community.
Finden Sie Antworten und erhalten Sie Hilfe von den Meltwater Support- und Community-Experten.