Communications Mining
最新
ラベル センチメント分析を有効にした状態でのトレーニング - Automation Cloud 最新
Banner background image
ロゴ
Communications Mining ガイド
最終更新日 2024年2月8日

ラベル センチメント分析を有効にしたトレーニング

ラベルのセンチメント分析とは

ラベル センチメント分析は、ラベルの概念が逐語的にどのように表現されているかに応じて、肯定的または否定的なセンチメントをラベルに割り当てることができる機能です。

割り当てられたすべてのラベルには、肯定的または否定的な感情を与える必要がありますが(中立的な感情はありません)、同じ逐語的に割り当てられた複数のラベルは、表現方法に応じて異なる感情を持つことができます。

この機能の利点は、特定のトピックのデータセット内のセンチメントをレポートできることであり、レポートではセンチメントに関連する多数のグラフを使用できます。

ラベルのセンチメント分析はどのような場合に使用すべきか?

Label センチメント分析 は、通常、 顧客フィードバック 関連のデータセットにのみ適しています。 これは、本質的にはるかに中立的である傾向がある他のデータセットよりも多くの識別可能な感情表現が含まれているためです。

ラベル センチメント分析は、データセットの作成時に有効にすると、そのデータセットで無効にできないため、ユース ケースに適していることを確認することが重要です。

プラットフォームには、 メッセージの全体的なトーン、つまりセンチメント を予測する 事前トレーニング済みのトーン分析モデルがあります 。これは通常、他のすべてのユースケースに適切かつ十分です。 電子メールの受信トレイの分析と自動化。

ラベルセンチメント分析の有効化

ラベル センチメント分析はデータセットの作成時に有効になり、後で変更することはできません。 データセットの設定フローを進めながら、ラベルのセンチメント分析を有効にするオプションがあります。

メッセージの全体的なセンチメント スコアを提供するトーン分析は、データセットの作成時に有効にすることも、後でデータセット設定を使用して有効にすることもできます。 これはオンとオフを切り替えることができるため、セットアップ中に有効にしなくても重要ではありません。

センチメントが有効化されたラベルを割り当てる

センチメント付きのラベルの割り当ては、センチメントなしのラベルの割り当てと非常によく似ています – 以下の手順 1、2、3 では、顧客のホテルレビューのデータセットから逐語的にラベル付けする方法を示します。

主な違いはステップ2で、ラベル名を入力した後、緑または赤の顔アイコンで示される肯定的または否定的な感情を常に選択する必要があります(この手順は「価格」ラベルと「部屋>サイズ」ラベルの両方で繰り返されています)。



センチメント付きのラベルを適用するときに覚えておくべき重要なことの 1 つは、(可能な場合) 中立的なラベル名を使用して分類を作成することが重要であるということです。 たとえば、「価格」は中立であるのに対し、「高価」は本質的に否定的であるため、「価格」は「高価」ではなく上記で使用されています。

中立的な名前を持つラベルの否定的な感情の選択は、逐語的にラベルの否定的な認識を表現しているインスタンスをキャプチャします。

適用するセンチメントの選択

多くの場合、ラベルを適用するときに、言語の固有の肯定性または否定性に基づいて、どの感情を選択すべきかが明らかです(たとえば、上記の「価格」と「部屋>サイズ」の例)。

特定のラベルでは、概念は中立的な名前に適さない場合があり、本質的に否定的または肯定的であるため、常に1つの感情のみで適用されます。 たとえば、「エラー」関連のラベルは通常、すべて否定的な感情で適用されます。 これは問題ありませんが、一貫して適用する必要があります。

ただし、場合によっては、それが非常に不明確になる場合があります。 逐語的な言語のトーンが非常に中立である場合、どの感情を適用するかについてより慎重に考える必要があります。 ここでは、主に2つの点を考慮する必要があります。

逐語的メタデータ

1つ目は、逐語的なメタデータを見ることです。 顧客フィードバック関連の逐語的表現 (センチメント対応データセットで最も一般的な種類のデータ) の場合、多くの場合、逐語的に何らかの種類のスコアまたは評価が関連付けられます (例: NPS スコア)。 多くの場合、これらのスコアを使用して、トーンが中立的に見えるコメントが、感情においてより肯定的または否定的であるかどうかを判断できます-つまり、顧客が不満を持っている場合、NPSスコア10を残すことはめったにありません。

"スコア" メタデータ フィールドに基づいて、中立的なトーンの逐語的なメッセージにラベル センチメントを一貫して適用すると、モデルはこれを把握し、それに応じてセンチメントを予測することを学習できます。

アプリケーションの一貫性

2つ目は、トーンが非常にニュートラルで、他の差別化要因(たとえば、「スコア」関連のメタデータフィールド)がない場合に、ラベルのセンチメントを適用する方法に一貫性を持たせることです。

フィードバックが特定のラベルに対して肯定的であることがより一般的である場合は、逐語的に明示的に否定的でない限り、それが肯定的であると仮定し、その逆も同様です。 ただし、一貫性がない場合、モデルはセンチメントを予測するのに苦労します。

複数のセンチメントを適用する

感情分析を使用する際に考慮すべきもう 1 つの重要な点は、モデルが各ラベル (ルートとリーフ) を個別に適用するため、同じ親ラベルから異なるセンチメントを持つ 2 つのリーフ ラベルを使用できることです。

このような場合は、親ラベルの全体的なセンチメントを判断する必要があります。 次の例では、親ラベル 'Room' は全体的に肯定的です。

両方のリーフ ラベルのセンチメントが同じ場合、モデルは親ラベルにも否定的なセンチメントがあると推測し、リーフ ラベルのみがピン留めされたラベルとして表示されます (ただし、親ラベルも適用されることを意味します)。

肯定的感情ラベルと否定的感情ラベルの両方をピン留めした逐語的な例

Support and Services icon
サポートを受ける
UiPath Academy icon
RPA について学ぶ - オートメーション コース
UiPath Forum icon
UiPath コミュニティ フォーラム
UiPath ロゴ (白)
信頼とセキュリティ
© 2005-2024 UiPath. All rights reserved.