🔍تحليل المشاعر Emoji

الرموز التعبيرية مليئة بالعاطفة. يمكنه تحسين أو ضبط نغمة ومزاج النص ، وفي الوقت نفسه ، يمكن أن تكون المشاعر التي تعبر عنها الرموز التعبيرية أكثر وضوحًا من الكلمات فقط.

على سبيل المثال هذا الرمز التعبيري 👿 (وجه غاضب بقرون). من الواضح أنه في شكل شخصية شيطانية ، لذلك قد تكون هناك أفكار تعتبرها رمز تعبيري "سيئ" ، مثل بعض الأفكار الشريرة في رأس شخص ما.

لكن لا يزال هذا النوع من الوصف مجرّدًا جدًا. لذلك ، هل يمكننا تصور أنواع ومستويات المشاعر التي تعبر عنها هذه الرموز التعبيرية؟

---

الجواب هو نعم، بالطبع! أجرينا معالجة اللغة الطبيعية (NLP) على عينات عامة لا تقل عن 50 مليون تغريدة ، ونستخدم تحليل المشاعر النصية (يُسمى أيضًا التنقيب عن الرأي) لربط مشاعر الرموز التعبيرية بمجموعة من القيم وتصورها. لقد أمضينا الكثير من الوقت والطاقة وقوة الحوسبة لجعل تحليل المشاعر الخاصة بنا أكثر علمية وصرامة ، بحيث يمكن للجميع الشعور بالسحر وفهم الرموز التعبيرية بشكل أفضل.

تم حساب البيانات مثل قيمة المشاعر التعبيرية وفقًا لتحليل المشاعر النصية ، والذي ينتمي إلى نظرية الإحصاء والاحتمالات. بعد أن حللنا مشكلة الخوارزمية وقوة الحوسبة ، واجهنا صعوبات جديدة: كيف نجعل المستخدمين يفهمون هذه البيانات الاحترافية؟

فكرة تطرأ على أذهاننا - - يا! ماذا عن تصور قيم المشاعر التعبيرية مع بعض التصاميم الرائعة!

💡: قمنا بتحويل البيانات المحسوبة والمحللة (على اليسار) إلى مخطط يمكن للمستخدمين فهمه بشكل أفضل (على اليمين) ، والذي يمكن أن يُظهر بشكل حدسي التقسيم العاطفي للرموز التعبيرية ؛

لذا اسمحوا لي أن أشرح الرسم البياني التالي ، الذي يصور نتائج تحليل الميل العاطفي للرموز التعبيرية في التواصل الفعلي.

💡: نوعان من المخططات لتحليل المشاعر الخاصة بـ emoji 👿 ، هنا نقوم فقط بتحليل الرسم البياني أعلاه.

ينقسم القوس القوسي في الصورة إلى ثلاثة ألوان ، وهو ما يمثل ميولًا عاطفية مختلفة للرموز التعبيرية 👿 . كما نرى ، فإن نسب هذه المشاعر الثلاثة حوالي 4: 1: 5 ، الأخضر والبرتقالي لهما نفس النسب ، مما يعني أن هذا الرمز التعبيري هو أكثر حيادية (مفاجأة !!).

• المؤشر الرمادي هو مستوى الثقة ، وهو مفهوم إحصائي. يشير موقعها وعرضها إلى: Expected Value ± Confidence .
• القيمة المتوقعة : هي المتوسط المرجح للمتغيرات العشوائية المشتتة لقيمة المشاعر التعبيرية ، وتستخدم للتعبير عن الاحتمال ، c ∈ [−1， 0， +1] .
• الثقة : هي مجموعة المعلمات لتوزيع قيمة المشاعر التعبيرية ، وتُظهر نطاق خطأ معقول في شكل فاصل زمني موجب وسالب. وكلما زاد عدد عينات الجسم ، قل الخطأ.

ببساطة ، كلما كان المؤشر أقرب إلى اليسار ، فإن عاطفة هذا الرمز التعبيري تكون أكثر سلبية. على العكس من ذلك ، كلما كان المؤشر أقرب إلى اليمين ، زادت المشاعر الإيجابية التي تعبر عنها هذه الرموز التعبيرية. وكلما كان المؤشر أضيق ، يكون الحكم على المشاعر أكثر دقة.

---

الآن ، هل يمكنك فهم مخططنا لتحليل المشاعر التعبيرية؟

أعتقد أنك قد فهمت مخطط البيانات لتحليل المشاعر التعبيرية ، لذلك دعنا نتحدث عن ما هو تحليل المشاعر.

يُطلق على تحليل المشاعر أيضًا اسم التنقيب عن الرأي. من الناحية الفنية ، يعد تحليل المشاعر جزءًا من أبحاث معالجة اللغة الطبيعية (NLP). تنقسم طرق تحليل المشاعر إلى نوعين: أساليب التعلم الآلي والقاموس. ولكن مع تطور تقنية التعلم العميق ، أصبح استخدام هذه التكنولوجيا لتحليل المشاعر هو السائد.

تتضمن عملية تحليل المشاعر المعالجة المسبقة للبيانات وهندسة الميزات والتدريب على النموذج. بشكل عام ، تقسم مرحلة المعالجة المسبقة للبيانات النص إلى كلمات وتزيل كلمات التوقف وعلامات الترقيم. ومع ذلك ، فإن تحليل المعنويات لدينا يحتفظ بعلامات الترقيم وكلمات التوقف. في مرحلة هندسة الميزات ، اخترنا كلمة تمثيل التضمين (Word2Vec) التي اقترحها فريق Google في عام 2013 ، والتي تم تقسيمها إلى نموذج CBOW (حقيبة الكلمات المستمرة) ونموذج Skip-gram . نتائج النموذج كالتالي:

💡 ： على اليسار يوجد نموذج CBOW ، وعلى اليمين نموذج Skip-gram

يعتمد CBOW على السياق للتنبؤ بالكلمة المستهدفة للتدريب للحصول على متجه الكلمات. كما هو موضح في الشكل ، يتم توقع W (t) بناءً على أربع كلمات W(t-2), W(t-1), W(t+1), W(t+2) ؛ و skip-gram هو التنبؤ بالكلمات المحيطة وفقًا للكلمة المستهدفة للتدريب للحصول على متجه الكلمة. كما هو مبين في الشكل هو التنبؤ W(t-2),W(t-1),W(t+1),W(t+2) وفقًا لـ W (t) .

في مرحلة التنبؤ بالنموذج ، نقسم البيانات إلى جزأين: مجموعة التدريب مقسمة بنسبة 5: 1 ومجموعة الاختبار ومجموعة التدريب تتم معالجتها خارج الترتيب.

يستخدم تحليل المشاعر على نطاق واسع في التسويق والإعلان وعلم النفس والمجالات الطبية وغيرها. قررنا إجراء تحليل المشاعر التعبيرية لمساعدة الأشخاص على فهم أعمق للرموز التعبيرية في التفاعل الاجتماعي الفعلي ، والقضاء على الغموض وسوء فهم الرموز التعبيرية بشكل أكثر فعالية.

على سبيل المثال ، عندما تتحدث مع صديقك (أو الشخص الذي يعجبك) عبر الإنترنت ، قد يرسل لك الشخص الآخر أحيانًا رموز تعبيرية لا تفهمها تمامًا. في الواقع ، هناك العديد من المواقف مثل هذا ، مثل:

• ماذا تعني 🤒 إذا قام شخص ما بالرد على الصورة الخاصة بي ؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟
• ماذا يعني عندما ترسل لي فتاة 😊؟
• إذا أرسلني حبيبي ❤ ، فهل هذه علامة جيدة؟

كما نعلم ، لا يمكنك معرفة المعنى الدقيق للرموز التعبيرية ، ومع ذلك ، من خلال تحليل المشاعر لدينا ، يمكنك تحليل هذه الرموز التعبيرية نفسياً ، مثل "لقد أرسلت لي 💞 ، إنها علامة إيجابية ، ربما ينبغي أن أسألها" أو " لماذا يرسل لي صديقي 😒؟ إنه نوع من السلبية ، هل هو غاضب مني؟ " ، شيء من هذا القبيل. من خلال تحليل المشاعر التعبيرية لدينا ، أعتقد أنه يمكنك فهم الرموز التعبيرية بعمق أكبر.

---

بشكل عام ، لقد دفعنا الكثير لمشروع تحليل المشاعر التعبيرية هذا. على الرغم من صعوبة الأمر ، ما زلنا نريد أن نجعله أعمق. نقوم الآن بتحليل الرموز التعبيرية بلغات مختلفة ، وتأثير المكاسب العاطفية للرموز التعبيرية على النص الخالص ، كما تم النظر في العديد من الدراسات المتقدمة الأخرى. كل هذا لاستكشاف المزيد من استخدام الرموز التعبيرية ، ونأمل أن تجد الرموز التعبيرية ممتعة وغنية بالمعلومات.

• تحليل المشاعر التعبيرية