Tässä artikkelissa käsitellään seuraavat asiat:

Sävy määritellään näkemykseksi tai asenteeksi tilanteesta tai tapahtumasta, mielipiteeksi.

Sävyanalyysi analysoi tekstiä määrittääkseen sen mielipiteen. Mielipide merkitään sitten joko enemmän positiiviseksi tai negatiiviseksi. Tätä kutsutaan napaisuudeksi.

Yleinen sävy määritetään sitten joko positiiviseksi, negatiiviseksi tai neutraaliksi napaisuuden kokonaisarvon perusteella. Jos jokin asia on sekä positiivinen että negatiivinen, mutta enemmän positiivinen, napaisuusarvo sijoittaa sen positiiviseksi.

Sävymallimme hyödyntää muuntajateknologiaa, maailmanluokan syväoppimisen

arkkitehtuuria.Muuntajiin perustuvat sävymallit omaavat korkeimpia tarkkuuspisteitä koko luonnollisen kielen käsittelyn alalla.

Uusimmassa mallissamme on ominaisuuksia, jotka varmistavat erityisesti korkean tason tarkkuuden:

Huomiomekanismi - Ymmärryksen johtaminen keskittymällä tekstin tärkeimpiin ja olennaisimpiin sanoihin.

Lauseisiin perustuvat upotukset - Uusi mallimme on mukautettu Googlen rakentamasta avoimen lähdekoodin esikoulutetusta mallista (BERT).Vanhat mallit esittävät sanat vektoreina, kun taas BERT esittää kokonaisia lauseita vektoreina.Mallimme on siis täten paremmin varustettu käsittelemään sanoja, joilla on useita merkityksiä.Esimerkiksi sanaa "hiiri".Tässä muita esimerkkejä:

Sävy osoittaa minkä tahansa artikkelin tai maininnan yleisen sävyn. Tämä antaa kuvan jokaisesta tuloksesta ja vahvistaa viestin sävyn joko positiiviseksi, negatiiviseksi, neutraaliksi tai ei-arvioiduksi. Nämä ovat peräisin luonnollisen kielen prosessointialgoritmeistamme. Tämä antaa tulokselle kontekstin sekä kokonaisvaltaisen yleiskuvan hakusi, brändisi tai sinulle tärkeiden aiheiden sävystä.

Tuemme 242 kieltä ja tarjoamme täyden sävyanalyysin 218 kielestä ja murteesta.

Alla on muutamia esimerkkejä sävysovelluksista Meltwaterissa.

Positiivinen. Tässä käyttäjä osoittaa rakkautta Coca-Colan kampanjaa kohtaan.

Negatiivinen. Tämä käyttäjä osoittaa negatiivista tunnetta Coca-Colan tuotteen makua kohtaan.

Neutraali. Tämä käyttäjä toteaa yksinkertaisesti tosiasian Coca-Colan keräilyesineestä ilman tunteita.

Ei pulmallinen. Luonnollisen kielen prosessointi (NLP) ja sävyanalyysi on erittäin tarkka mutta ei täydellinen. Slangi, sarkasmi, päätelmä ja alateksti voivat kaikki muuttaa tapaa, jolla koet sävyn johonkuhun toiseen verrattuna. Kaksi ihmistä voivat jopa katsoa samaa viestiä ja saada erilaiset mielipiteet sävystä! Tässä on hyvä esimerkki:

Tämä käyttäjä mainitsi, että hän pitää Pepsistä, mikä sinällään olisi positiivinen asia Pepsille.

Hän mainitsi myös pitävänsä Coca-Colasta enemmän kuin Pepsistä. Tämä on positiivinen asia Coca-Colalle ja negatiivinen asia Pepsille. Mutta hän sanoi pitävänsä myös Pepsistä, joten eikö se silti ole positiivinen asia Pepsille?

Tämä käyttäjä mainitsi Pepsin ja Coca-Colan mutta ei RC Colaa. Olisiko tämä negatiivinen, positiivinen vai neutraali asia RC Colalle?

Käytämme tätä esimerkkiä korostaaksemme, että jopa NLP:n yhteydessä asiayhteydellä on edelleen merkitystä sävyn määrittämisessä, koska se liittyy tulostesi yleisiin tavoitteisiin. Joskus et ehkä ole samaa mieltä määritetystä sävystä, ja se on ok! Lue seuraava osio nähdäksesi, miten voit ohittaa sävyn Meltwaterissa.

Sävyn ohituksen avulla voit määrittää tai muuttaa asiakirjan tai maininnan sävyarviointia.

*Tärkeitä huomioita:

Voit ohittaa sävyn sisältövirrassa joukkovalinnalla sen sijaan että ohittaisit jokaisen tuloksen erikseen.

Huomautus: Jos valitset yli 500 dokumenttia tai valitset Valitse kaikki -ruudun sisältövirran yläreunasta ja napsautat Valitse kaikki kokonaistulokset, sävyhymiö katoaa, koska enintään 500 tulosta voidaan muuttaa kerralla.

Hallintapaneeleissa on kaksi käyttöliittymäkomponenttia, joiden avulla voit ymmärtää artikkelijoukon yleisen sävyn. Nämä ovat nimeltään "Sävy" ja "Sävyarvo".

Sävy – Tässä tarkastellaan niiden asiakirjojen määrää, joille on annettu positiivinen, negatiivinen tai neutraali sävyarvo. Tämä antaa tulokselle kontekstin sekä kokonaisvaltaisen yleiskuvan hakusi, brändisi tai sinulle tärkeiden aiheiden sävystä. Tämä kaavio voidaan näyttää seuraavina kaaviotyyppeinä: donitsi (kuten alla), viivakaavio, kiinteä palkki tai piirakka.

Sävyarvo - Tämä laskee positiivisten artikkelien prosenttiosuuden negatiivisia artikkeleita kohden ohittaen "neutraalit" artikkelit.

Sävy verrattuna edelliseen kauteen - Tämä mittari antaa yleiskuvan tulosten sävystä. Se lasketaan vähentämällä tulokset, joilla on negatiivinen sävy, tuloksista, joilla on positiivinen sävy, ja vertaamalla tätä sitten kaikkiin julkaisuihin, joilla on sävyluokitus. Kaava: ([positiivisten julkaisujen määrä] - [negatiivisten julkaisujen määrä]) / ([niiden julkaisujen määrä, joilla on sävyluokitus]) x 100

Ammattilaisvinkki Jos puolet artikkeleistasi on positiivisia ja toinen puoli negatiivisia, odota pisteeksi 0. Jos kaikki ovat positiivisia, odota pisteitä '+100'.

Voit nyt hakea entiteettitason sävyn perusteella!

Käyttämällä uutta Boolen yksityiskohtaisempaa sävyä voit noutaa artikkeleita ja julkaisuja, joissa tietty entiteetti (esim. brändisi, kilpailijasi tai tuotteesi) mainitaan negatiivisessa tai positiivisessa lauseessa, kun taas asiakirjan yleinen sävy voi olla eri.

Esimerkiksi tämä kysely tuottaa kaikki asiakirjat, joissa Tesla on tunnistettu entiteetiksi ja esiintynyt negatiivisessa lauseessa:

enrichments.namedEntities[canonicalName:Tesla AND sentiment.discrete:v]

Jos haluat löytää positiivisia tuloksia, muuta sävymuuttuja arvosta v (negatiivinen) arvoon p (positiivinen) seuraavasti:

enrichments.namedEntities[canonicalname:Tesla AND sentiment.discrete:p]

Jos haluat kattaa useita entiteetin versioita, voit laajentaa nimiosion OR-kyselyksi:

enrichments.namedEntities[canonicalName:Tesla OR name:“Tesla Motors“ AND sentiment.discrete:p]

Boolen sävymuuttujat ovat

*Tärkeitä huomioita:

Tapauksissa, joissa kaksi tai sitä useampia entiteettejä mainitaan samassa lauseessa eri sävyillä, lauseen sävy määritetään yhdistetyn sävyn enemmistön perusteella.

Esimerkiksi: Coca Cola on paras, en pidä Pepsistä.

Tämä lause on enemmän positiivinen kuin negatiivinen, joten kaikki tämän lauseen havaitut entiteetit saavat positiivisen sävyn.

Entiteettihaku ei ole vielä saatavilla somekanaville, joissa brändi mainitaan @-merkinnällä, eikä nimellä, kuten Twitter.

Lisäämme myös jatkossa säännöllisesti uusia kieliä NLP:hen ja moderneihin syväoppimismalleihin, jotta voimme edelleen parantaa tarkkaa sävyn tunnistusta ja kouluttaa kieliä tarvittaessa uudelleen.

💡 Vihje

Tarvitsetko lisää apua? Ota meihin yhteyttä Live Chatin kautta tai tutustu asiakasyhteisöömme.

Löydä vastauksia ja apua Meltwaterin tuen ja yhteisön asiantuntijoilta.