تجزیه و تحلیل Sentiment یک تکنیک است که برای تعیین لحن عاطفی پشت یک بدن از متن استفاده می شود، به طور گسترده ای برای داده های رسانه های اجتماعی برای اندازه گیری افکار عمومی، نظارت بر شهرت نام تجاری و تجزیه و تحلیل احساسات مصرف کننده مورد استفاده قرار می گیرد.این مقاله نمونه های دنیای واقعی، محاسبات درگیر، و چالش های مواجه در پردازش داده های رسانه های اجتماعی را بررسی می کند.

نمونه هایی از تجزیه و تحلیل Sentiment در رسانه های اجتماعی

شرکت ها اغلب پست های رسانه های اجتماعی را تجزیه و تحلیل می کنند تا بازخورد مشتری را درک کنند، به عنوان مثال، یک برند ممکن است اشاره های مثبت، خنثی و منفی محصولات خود را در سراسر سیستم عامل هایی مانند توییتر و فیس بوک ردیابی کند.

محاسبه های انجام شده در تجزیه و تحلیل Sentiment

تجزیه و تحلیل Sentiment معمولا شامل اختصاص امتیازات به کلمات یا عبارات است. [۱] یک رویکرد مشترک از یک احساس lexicon استفاده می کند، جایی که هر کلمه دارای نمره مرتبط است. [۱] احساسات کلی یک پیام با خلاصه این نمرات محاسبه می شود. (۳) یک توییت با کلمات مانند FLT:0 عالی (F=۲) [F=۲] و [۳] [۳] [۳] [۳] [۳]

چالش های تحلیل اجتماعی رسانه های اجتماعی

پردازش داده های رسانه های اجتماعی چالش های مختلفی را ارائه می دهد.زبان غیررسمی، زبان عامیانه، اختصارات و ایموجی ها تشخیص احساسات دقیق را پیچیده می کنند.علاوه بر این، سارکاسم و زمینه می توانند احساسات واقعی را مدیریت کنند.

تکنیک های مشترک و ابزار

  • تحلیل مبتنی بر Lexicon
  • مدل های یادگیری ماشین
  • روش های یادگیری عمیق
  • پردازش زبان طبیعی (NLP) ابزار