感情分析

大量のレビューを読む際に、肯定的な評価と否定的な評価の傾向を整理したいことがあります。
感情分析は、文章などの内容から、評価の向きや感情に関する分類を推定する処理です。
辞書や規則を使う方法と、データから学習したモデルを使う方法があります。

何への評価かを分ける

仮に、「商品は使いやすいが、配送は遅かった」というレビューがあるとします。
文章全体を一つの肯定か否定へ分類すると、製品への評価と配送への評価の違いが隠れます。
分類したい対象や項目を先に定め、何を一件として数えるかを決めます。

また、否定表現、皮肉、分野固有の言い方によって、単語だけでは意味が決まりません。
「軽い」が携帯機器への評価か、故障への懸念かでも解釈が変わります。
利用する言語と製品分野に合ったデータで確かめます。

分類の性能を評価する

対象の文章の一部を人が確認し、分類基準をそろえた評価用データを用意します。
否定的な文章を見逃す誤りと、問題のない文章を否定的とする誤りを分けます。
分類全体の正解率が高くても、少数の重大な不満を見逃している可能性があります。

モデルの出力に確からしさの値が付いていても、正しい確率として校正されているとは限りません。
判断しにくい文章を人が読む手順と、分類を訂正する方法を設けます。
新しい商品や用語が増えたら、性能を再評価します。

改善につなげる読み方

否定的な投稿が増えても、その媒体の利用者や投稿の条件が変わっただけという場合があります。
母集団と収集範囲を示し、割合の変化を顧客全体の不満の増加と直結させないようにします。
元の文章と状況を読み、何が利用者の目的を妨げているかを確認します。

ソーシャルメディアや問い合わせの整理を補助する用途として使い、顧客の声を解釈する作業へつなげます。
自動分類の件数だけで、改修の優先順位を確定しません。

参考資料