Entraînement avec l'analyse des sentiments des libellés activée

L'analyse des sentiments d'étiquette est une fonctionnalité qui permet aux étiquettes d'être attribuées avec un sentiment positif ou négatif, selon la façon dont ce concept d'étiquette est exprimé dans le message.

Chaque libellé attribué doit recevoir un sentiment positif ou négatif, car il n'y a pas de sentiment neutre, tandis que plusieurs libellés attribués sur le même message peuvent avoir des sentiments différentes selon la façon dont ils sont exprimés.

L'avantage de cette fonctionnalité est de pouvoir rendre compte du sentiment dans un ensemble de données pour des sujets spécifiques, et un certain nombre de graphiques sont disponibles dans l'onglet Rapports et se rapportent au sentiment.

Utilisation de l'analyse des sentiments des libellés

L'analyse des sentiments des libellés s'applique uniquement aux ensembles de données liés aux commentaires des clients. En effet, ils contiennent beaucoup plus d’expressions de sentiment identifiables que les autres ensembles de données, qui ont tendance à être beaucoup plus neutres par nature.

Assurez-vous que l'analyse des sentiments de libellé est appropriée pour votre cas d'utilisation, car une fois activée lors de la création de l'ensemble de données, elle ne peut pas être désactivée pour cet ensemble de données.

La plateforme dispose d'un modèle d'analyse de la tonalité pré-entraînée qui prévoit le ton global, c'est-à-dire le sentiment, d'un message. Ceci est généralement approprié et suffisant pour tous les autres cas d'utilisation, par exemple l'analyse de la boîte de réception des e-mails et l'automatisation.

Activation de l'analyse des sentiments des libellés

L'analyse des sentiments de libellé est activée lors de la création de l'ensemble de données et ne peut pas être modifiée ultérieurement. Au fur et à mesure que vous parcourez le flux de configuration de l'ensemble de données , vous avez la possibilité d'activer l' analyse des sentiments de libellé.

L'analyse de la tonalité, qui fournit un score de sentiment global de -10 à 10 pour un message, peut être activée lors de la création de l'ensemble de données, ou plus tard via les paramètres de l'ensemble de données.

Attribution de libellés avec sentiment activé

L'attribution de libellés avec sentiment est très similaire à l'attribution de libellés sans sentiment. Consultez les étapes 1, 2 et 3 de l’image suivante, qui illustrent l’annotation d’un message à partir d’un ensemble de données d’avis d’hôtels de clients.

La principale différence est à l'étape 2, où après avoir saisi le nom du libellé, vous devez toujours sélectionner un sentiment positif ou négatif, marqué par les icônes vertes ou rouges. Cette étape a été répétée pour les libellés Prix et Prix et Taille > Taille.

Lorsque vous appliquez des libellés avec un sentiment, assurez-vous de créer une taxonomie avec des noms de libellé neutres, dans la mesure du possible. Par exemple, Prix a été utilisé dans l'exemple précédent, au lieu de Coût. En effet, le prix est neutre, tandis que les dépenses sont automatiquement négatives.

La sélection d'un sentiment négatif pour une étiquette avec un nom neutre capturerait les instances où le message exprime une vision négative de l'étiquette.

Choisir le sentiment à appliquer

La plupart du temps, il sera évident que le sentiment que vous devez choisir lorsque vous appliquez un libellé soit basé sur la positivité ou la négativité inhérente de la langue, par exemple, le Prix et la salle > Taille des exemples précédents.

Pour certains libellés, le concept peut ne pas se prêter à un nom neutre et être automatiquement négatif ou positif, et ainsi toujours être appliqué avec un seul sentiment. Par exemple, les libellés liés à l'erreur seront généralement appliqués avec un sentiment négatif. C'est super, mais elle doit être appliquée de manière cohérente.

Parfois, cependant, cela peut être assez imprécis. Si le ton d'un message est très neutre, vous devez réfléchir plus attentivement au sentiment à appliquer.

Vous devez prendre en compte les métadonnées du message et la cohérence de l’application :

Métadonnées de message

Tout d’abord, examiner les métadonnées du message. Pour les messages liés aux commentaires des clients, qui sont le type de données le plus courant dans un ensemble de données activé par le sentiment, il y aura souvent un certain type de score ou de notation associé à un message, par exemple, le score NPS. Vous pouvez souvent utiliser ces scores pour estimer si un message qui apparaît neutre dans le sentiment est plus positif ou négatif dans le sentiment, par exemple, un client laisse rarement un score NPS de 10 s'il n'est pas satisfait.

Si vous appliquez systématiquement le sentiment du libellé pour les messages dont le ton est neutre, en vous basant sur un champ de métadonnées de score, le modèle peut apprendre à en tirer et prédire le sentiment en conséquence.

Cohérence d’application

Ensuite : être cohérent dans la façon dont vous appliquez le sentiment d'un libellé lorsqu'il est neutre dans le ton et qu'il n'y ait pas d'autre différenciateur, par exemple un champ de métadonnées lié à un score.

S’il est plus courant que les commentaires soient positifs pour un libellé donné, supposez qu’il s’agit d’un positif, sauf si le message est explicitement négatif, et vice versa. Cependant, si vous n’êtes pas cohérent, le modèle aura du mal à prédire le sentiment.

Application de sentiments multiples

Autre élément important à prendre en compte lors de l'utilisation de l'analyse des sentiments : le modèle applique chaque libellé, c'est-à-dire racine et feuille, de façon indépendante, afin que vous puissiez avoir deux libellés de feuille du même libellé parent qui ont des sentiments différents.

Dans ces instances, vous devez ensuite évaluer le sentiment général du libellé parent. Dans cet exemple ci-dessous, le libellé parent Studio est positif dans son ensemble.

Si les deux libellés de feuille ont le même sentiment, le modèle déduirea que le libellé parent a également un sentiment négatif et seuls les libellés de feuille seront affichés comme des libellés épinglés, bien que cela implique que le libellé parent soit également appliqué.