Denke darüber nach, was du heute mit deinen Freunden auf Facebook geteilt hast. Waren es Gefühle von "Stress" oder "Versagen" oder vielleicht "Freude", "Liebe" oder "Aufregung"? Jedes Mal, wenn wir in sozialen Medien posten, hinterlassen wir Spuren unserer Stimmung.

Unsere Emotionen sind wertvolle Rohstoffe, und viele Unternehmen entwickeln automatisierte Tools, um sie in einem Prozess zu erkennen, der als Sentiment-Analyse bekannt ist.

Kürzlich, ein durchgesickerter Bericht enthüllt dass Facebook erkennen kann, wann sich junge Menschen verletzlich fühlen, obwohl das Unternehmen dies getan hat bestand darauf, dass er die Analyse nicht verwendete um Nutzer mit Werbung anzusprechen. Facebook entschuldigte sich auch in 2014 für eine Experiment auf "emotionale Ansteckung", in der Beiträge mit "positivem" oder "negativem" Sentiment aus den Feeds der Nutzer herausgefiltert wurden.

Offensichtlich ist die Fähigkeit, Emotionen aus Text zu erkennen, von großem Interesse für Social-Media-Unternehmen und Werbetreibende. Aber wie funktioniert die Sentiment-Analyse, warum ist sie sinnvoll und welche Gefahren gibt es?

Wie funktioniert die Stimmungsanalyse?

Während die Details des eigenen Algorithmus von Facebook nicht öffentlich bekannt sind, fallen die meisten Stimmungsanalysetechniken in zwei Kategorien: überwacht oder unbeaufsichtigt.

Überwachte Methoden beruhen auf gekennzeichneten Daten. Mit anderen Worten, dies sind Beiträge, die manuell als positiv oder negativ klassifiziert wurden.

Statistische Methoden werden dann verwendet, um Modelle zu klassifizieren, um neue Beiträge basierend auf dem Vorhandensein von vorher identifizierten Wörtern oder Phrasen automatisch zu klassifizieren, zum Beispiel "gestresst" oder "entspannt".

Auf der anderen Seite verlassen sich unbeaufsichtigte Methoden häufig auf das Erstellen eines Wörterverzeichnisses für verschiedene Wörter. Ein solches Wörterbuch Die von meinen Mitarbeitern entwickelten Benutzer baten die Leute, den 1-Glückszahlen für verschiedene Wörter einen 9-Wert zu geben. Anschließend wurden die Ergebnisse gemittelt: "Regenbogen" beispielsweise erzielte 8.06, während "nutzlos" 2.52 erhält.

Die Gesamtstimmung eines Satzes kann dann durch Betrachten aller Wörter in dem Beitrag bewertet werden. Zum Beispiel, die durchschnittliche Punktzahl für den Beitrag "Meine Mama sagte immer, das Leben ist wie eine Schachtel Pralinen" ist eine überdurchschnittliche 6.02 nach diesem Wörterbuch, was darauf hindeutet, dass es ein positives Gefühl ausdrückt.

Wozu wird die Sentiment-Analyse verwendet?

Sentiment-Analyse wird zunehmend von Vermarktern genutzt Trends studieren und Produktempfehlungen geben.

Stellen Sie sich vor, ein neues Mobiltelefon ist freigegeben; Eine Sentiment-Analyse von Social-Media-Posts über das Telefon kann einem Unternehmen einen wertvollen Echtzeit-Einblick geben, wie es funktioniert.

Es gibt breitere Anwendungen der Sentiment-Analyse. Forscher haben vor kurzem verfolgte Donald Trumps Twitter-Gefühl während der ersten 100-Tage seiner Präsidentschaft und gebaute Bots, um Marktgeschäfte zu platzieren wenn er positiv oder negativ über bestimmte Unternehmen twittert.

Wissenschaftler können emotionale Trends auch in anderen Texten verfolgen. Zum Beispiel haben wir die Stimmungsanalyse verwendet, um die emotionalen Bögen von mehr als 1,000 Filmen durch ihre Drehbücher zu untersuchen. Der Bogen des 2013 Disney Films Frozen ist unten abgebildet.

Emotionaler Bogen für den Film Frozen.

Viele Filme zeigen ähnliche Muster: regelmäßige Spannungsspitzen und Spannungsabfälle, gefolgt von einem besonders großen Tiefpunkt von 80% des Weges durch den Film (alle Hoffnung ist verloren!), Vor der endgültigen Auflösung und dem Happy End. Mit einer ähnlichen Analyse von Romanen haben wir das gezeigt Die meisten Geschichten folgen einem von sechs grundlegenden Handlungsbögen.

Wir sind immer noch nicht so gut in der Stimmungsanalyse

Angesichts der Tatsache, dass die Stimmungsanalyse häufig auf dem Abbau von Social-Media-Posts beruht, wirft sie große ethische Bedenken auf Diese Debatte beginnt erst. Die Komplexität von Sprache und Bedeutung macht sie jedoch anfällig für Fehler.

Nimm den Ausdruck "Möge die Macht mit dir sein", der 5.35 mit der Analyse unseres Wörterbuchs bewertet. Für jeden Star Wars-Fan ist das natürlich ein sehr positiver Satz, aber er hat in unserem Test bescheiden abgeschnitten, weil das Wort "force" mit einem unterdurchschnittlichen 4.0 bewertet wird.

Dies ist verständlich, wenn man dieses Wort isoliert betrachtet, aber im Kontext macht es weniger Sinn.

Eine gewisse Skepsis gegenüber der Gültigkeit der Stimmungsanalysen von Facebook ist daher gerechtfertigt. Es ist durchaus vorstellbar, dass etwas, das auf Facebook als "vollständig krank" bezeichnet wird, eine Phrase umgangssprachlicher Billigung, dazu führen könnte, dass der emotionale Zustand eines Individuums falsch klassifiziert wird.

Um zu verstehen, wann die Stimmungsanalyse funktioniert und nicht, ist es wichtig, die Wörter zu untersuchen, die zu bestimmten Ergebnissen führen.

Um dies zu tun, verwenden wir "Wortverschiebung"Diagramme, wie die unten für Frozen. Dies zeigt, welche Worte den Höhepunkt des Drehbuchs trauriger machten als sein Happy End: mehr Verweise auf "Traurigkeit" und "Angst", aber seltsamerweise "schöner".

Handlung, die den Höhepunkt von Frozen mit seinem Happy End vergleicht. Die blauen Balken am oberen Rand des Diagramms zeigen die am besten beitragenden Wörter zum Unterschied in der Punktzahl.

Versprechen und eine Warnung

Sentiment-Analyse ist ein mächtiges Werkzeug, aber es ist nur eine junge Wissenschaft und muss mit Vorsicht verwendet werden.

Wissenschaftler müssen Werkzeuge entwickeln, die es uns ermöglichen, "unter die Haube" zu blicken und zu verstehen, warum bestimmte Algorithmen die Ergebnisse liefern, die sie erzielen. Nur so können Probleme mit verschiedenen Methoden diagnostiziert werden und, was noch wichtiger ist, die Öffentlichkeit über die Möglichkeiten und Grenzen des Bereichs informiert werden.

Die Analyse der Stimmungsanalyse basiert weitgehend auf großen öffentlichen Datensätzen, insbesondere aus sozialen Medien. Es ist wichtig, dass diejenigen von uns, die die Daten unwissentlich zur Verfügung stellen, verstehen, wofür sie verwendet werden können und wofür sie nicht verwendet werden können.

Über den Autor

Lewis Mitchell, Dozent für Angewandte Mathematik, Universität von Adelaide. Michelle Edwards hat zu diesem Artikel beigetragen.

Dieser Artikel wurde ursprünglich veröffentlicht am Das Gespräch.. Lies das Original Artikel.

Bücher zum Thema:

at InnerSelf Market und Amazon