Fuente: Unsplash / CC0 Public Domain
“¡Troppo contenta del mio nuovo X-Corp Xd817!” (“¡Demasiado feliz con mi nuevo X-Corp Xd817!”). ¿Valor atípico satisfecho o opinión general de la base de clientes italianos de X-Corp?
Hoy en día, las empresas de gestión de marcas y encuestas de opinión utilizan habitualmente el sentimiento análisis en las redes sociales para comprender qué aspectos de la marca son percibidos positiva o negativamente por los clientes. En el mejor de los casos, las herramientas de inteligencia artificial monitorean de forma autónoma las redes sociales para identificar y clasificar las conversaciones de marca en segundos. En el peor de los casos, la tarea aún debe manejarse con cuidado.
Las herramientas más avanzadas son capaces de identificar no solo los sentimientos habituales, sino también las emociones más matizadas (ira, alegría, tristeza, etc.) expresadas en el texto. Sin embargo, una limitación importante de la mayoría de estas herramientas es que funcionan bien en inglés, pero otros idiomas, incluido el italiano, se han descuidado de alguna manera. A medida que el análisis de sentimientos se ha convertido en un mercado en auge, estas herramientas también suelen ser bastante caras. Tiempos difíciles para las pequeñas empresas emergentes italianas que buscan monitorear su éxito en línea.
Federico Bianchi, Debora Nozza y Dirk Hovy de Bocconi Data and Marketing Insights (DMI), una unidad de investigación del centro de investigación BIDSA, acaban de lanzar FEEL-IT, paquete para análisis de sentimientos y reconocimiento emocional en italiano. El conjunto de datos y el modelo están disponibles públicamente en Internet y se describen en un artículo científico revisado por pares que se presentará el lunes 19 de abril en WASSA 2021, XI Taller de Aproximaciones Computacionales a la Subjetividad, Sentimiento y Análisis de Redes Sociales. Archivo herramienta (biblioteca Python de código abierto disponible aquí) se refiere tanto al análisis de los sentimientos como al reconocimiento de las emociones.
Los investigadores han analizado y clasificado manualmente más de 2000 tweets en italiano de una serie de temas populares de Twitter que cubren una amplia gama de temas, y han entrenado su sistema en estos tweets. Las emociones detectadas en los tuits son rabia, alegría, miedo y tristeza. Luego, los investigadores probaron la calidad de las predicciones de su sistema en un conjunto de comentarios y anuncios de videos musicales publicados en YouTube y Facebook.
“Nuestras pruebas muestran que los resultados son notables”, explica Nozza. “Gracias a los datos de alta calidad y al poderoso modelo neuronal, umBERTo logra una precisión del 84%”.
Archivo Comunidad cientifica (y cualquier persona con algún conocimiento de codificación) ahora puede usar el nuevo conjunto de datos para crear sus propias herramientas o ejecutar un modelo integral listo para usar para la detección. sentimiento y emociones en medios de comunicación social publicaciones sobre una amplia gama de temas.
Si no sabe (todavía) cómo codificar, no tema: los investigadores están trabajando en un servicio web que hará que su trabajo esté aún más disponible.
Biblioteca de Python de código abierto: github.com/MilaNLProc/feel-it
Proporcionado por la Universidad de Bocconi