تابع منو

دسته بندی ها

رنگ پوست

مدل مو

جنسیت

احساسات

نسخه

شکلک ها پر از احساسات هستند. این می تواند لحن و حالت متن را افزایش یا تنظیم کند ، در عین حال ، احساسات بیان شده توسط شکلک می تواند آشکارتر از کلمات باشد.

به عنوان مثال این شکلک face (چهره عصبانی با شاخ). این بدیهی است که به شکل یک شخصیت شیطان است ، بنابراین ممکن است افکاری در نظر گرفته شود که این یک شکلک "بد" است ، مانند برخی از افکار شیطانی در سر کسی.

اما هنوز ، این نوع توصیف بسیار انتزاعی است. بنابراین ، آیا می توانیم انواع و اقسام احساسات بیان شده توسط این شکلک ها را تجسم کنیم؟


پاسخ البته "بله" است! ما پردازش زبان طبیعی (NLP) را در نمونه های عمومی با حداقل 50 میلیون توییت انجام دادیم و از تجزیه و تحلیل احساس متن (که به آن نظر کاوی نیز گفته می شود) استفاده می کنیم تا احساسات emoji را با مجموعه ای از مقادیر مرتبط کنیم و آن را تجسم کنیم. ما وقت ، انرژی و قدرت محاسباتی زیادی صرف کردیم تا تجزیه و تحلیل احساسات ایموجی خود را علمی و دقیق تر انجام دهیم ، به طوری که همه بتوانند جذابیت را احساس کنند و درک بهتری از شکلک ها داشته باشند.

نمودارهای تصویری برای تجزیه و تحلیل احساسات emoji

داده هایی مانند مقدار احساسات emoji با توجه به تجزیه و تحلیل احساس متن ، که متعلق به آمار و نظریه احتمالات است ، محاسبه شدند. بعد از اینکه مشکل الگوریتم و قدرت محاسبه را حل کردیم ، سپس با مشکلات جدیدی روبرو شدیم: چگونه می توان کاربران را از این داده های حرفه ای درک کرد؟

یک فکر از ذهن ما عبور می کند ---- هی! چطور که ما با برخی از طراحی های جالب مقادیر احساسات شکلک را تجسم می کنیم!

💡: ما داده های محاسبه شده و تجزیه و تحلیل شده (چپ) را به نموداری تبدیل کردیم که برای کاربران بهتر قابل درک باشد (راست) ، که می تواند تقسیم احساسی شکلک ها را به صورت بصری تری نشان دهد.

بنابراین اجازه دهید نمودار زیر را توضیح دهم ، که نتایج تجزیه و تحلیل تمایل احساسات را در ارتباطات واقعی نشان می دهد.

💡: 2 نوع نمودار برای تجزیه و تحلیل احساسات oj ، در اینجا ما فقط نمودار بالا را تجزیه و تحلیل می کنیم.

نیم دایره قوس در تصویر به سه رنگ ها تقسیم، به نمایندگی از تمایلات احساسی مختلف از شکلک 👿 . همانطور که می بینیم ، نسبت این سه احساس حدود 4: 1: 5 است ، سبز و نارنجی دارای نسبت های مشابه هستند ، به این معنی که این شکلک بیشتر خنثی است (تعجب !!).

  • نشانگر خاکستری سطح اطمینان است ، یک مفهوم آماری است. موقعیت و عرض آن نشان می دهد: Expected Value ± Confidence .
  • مقدار پیش بینی شده : این میانگین وزنی متغیرهای تصادفی پراکندگی مقدار احساسات شکلک است که برای بیان احتمال استفاده می شود ، c ∈ [−1, 0, +1] .
  • اعتماد به نفس : این مجموعه پارامترهای توزیع مقدار احساسات emoji است ، یک محدوده خطای معقول را به صورت بازه مثبت و منفی نشان می دهد. و تعداد نمونه های جنازه بیشتر است ، خطا کمتر است.

به زبان ساده ، هرچه مکان نما به چپ نزدیکتر باشد ، احساسات این شکلک منفی تر است. برعکس ، هرچه مکان نما به سمت راست نزدیکتر باشد ، احساس مثبت تری توسط این شکلک بیان می شود. و هرچه مکان نما باریکتر باشد ، قضاوت در مورد احساس دقیق تر است.


اکنون ، آیا می توانید نمودار تجزیه و تحلیل احساسات emoji ما را درک کنید؟

تجزیه و تحلیل احساس چیست؟

من معتقدم که شما نمودار داده های تجزیه و تحلیل احساسات ایموجی را درک کرده اید ، بنابراین بیایید در مورد آنچه تجزیه و تحلیل احساسات است صحبت کنیم.

تجزیه و تحلیل احساسات نیز استخراج نظر نامیده می شود. از نظر فنی ، تحلیل احساس بخشی از تحقیقات پردازش زبان طبیعی (NLP) است. روش های تحلیل احساس به دو نوع تقسیم می شوند: یادگیری ماشین و روش های مبتنی بر فرهنگ لغت . اما با پیشرفت فناوری یادگیری عمیق ، استفاده از این فناوری برای تحلیل احساسات به جریان اصلی تبدیل شده است.

فرآیند تجزیه و تحلیل احساسات شامل پیش پردازش داده ها ، مهندسی ویژگی ها و آموزش مدل است. به طور کلی ، مرحله پیش پردازش داده ها به طور عمده متن را به کلمات تقسیم می کند و کلمات توقف و علائم نگارشی را حذف می کند. با این حال ، تحلیل احساسات ما علائم نگارشی و کلمات متوقف را حفظ می کند. در مرحله مهندسی ویژگی ، کلمه نمایندگی تعبیه (Word2Vec) را که توسط تیم Google در سال 2013 پیشنهاد شده است ، انتخاب کردیم که به مدل CBOW (کیسه پیوسته کلمات) و مدل Skip-gram تقسیم شده است. نتایج مدل به شرح زیر است:

the : در سمت چپ مدل CBOW ، در سمت راست مدل Skip-gram وجود دارد

CBOW بر اساس زمینه پیش بینی کلمه مورد نظر برای آموزش برای بدست آوردن کلمه برداری است. همانطور که در شکل نشان داده شده است ، W (t) بر اساس چهار کلمه W(t-2), W(t-1), W(t+1), W(t+2) . و skip-gram پیش بینی کلمات پیرامون با توجه به کلمه مورد نظر برای آموزش برای بدست آوردن کلمه برداری است. همانطور که در شکل نشان داده شده است ، پیش بینی W(t-2),W(t-1),W(t+1),W(t+2) با توجه به W (t) است .

در مرحله پیش بینی مدل ، داده ها را به دو قسمت تقسیم می کنیم: مجموعه آموزش با نسبت 5: 1 تقسیم شده و مجموعه آزمون و مجموعه آموزش خارج از نظم پردازش می شوند.

کاربرد تجزیه و تحلیل احساسات در شکلک

تحلیل احساس یک روش تجزیه و تحلیل جامع است که یادگیری عمیق و آمار را با هم ترکیب می کند. ما مقدار احساسات شکلک را پس از تجزیه و تحلیل پیچیده و محاسبه مجموعه داده ها بدست آورده ایم ، و روند کامل تحلیل احساسات شکلک به شرح زیر است:

روند تجزیه و تحلیل احساسات

  • مجموعه شبکه های اجتماعی را برچسب گذاری کنید
  • پیش پردازش داده ها
  • مجموعه داده را تقسیم کنید: مجموعه آموزش (80٪) ، مجموعه آزمایش (20٪)
  • برای ساختن مدل از شبکه عصبی LSTM استفاده کنید
  • با توجه به عملکرد مدل روی مجموعه آزمایش ، برای تنظیم توانایی تعمیم مدل ، ابر پارامترها را تنظیم کنید
  • همان عمل پیش پردازش داده ها را روی داده های بدون برچسب انجام دهید
  • از مدل پیش بینی شده احساسات آموزش دیده برای پیش بینی تمایل به داده های بدون برچسب استفاده کنید

ما تجزیه و تحلیل احساسات را روی شکلک ها انجام می دهیم ، و از فناوری یادگیری عمیق برای آموزش طبقه بندی احساسات متن emoji استفاده می کنیم. برای لایه خروجی طبقه بندی کننده ، تابع sigmoid را برای فعال سازی انتخاب می کنیم و نتایج لایه خروجی را به فاصله 0-1 می دهیم. هرچه متن به 0 نزدیکتر باشد ، منفی تر و هرچه به 1 نزدیکتر باشد ، مثبت تر است.

فرمول عملکرد سیگموئید: F(x)=1/(1+ex)

ما از داده های نمونه بزرگی از 50 میلیون توییت حاوی شکلک به عنوان یک مجموعه تجزیه و تحلیل استفاده می کنیم ، سپس مجموعه مورد نیاز را برای طبقه بندی احساسات آموزش دیده برای پیش بینی احساس تجزیه و تحلیل می کنیم. سرانجام ، نتایج پیش بینی احساسات توسط طبقه بندی کننده به سه نوع منفی ، خنثی و مثبت تقسیم می شود. معیارهای طبقه بندی عبارتند از:

به هر حال سخت است اما ما موفق شدیم !!

استفاده و چشم انداز تجزیه و تحلیل احساسات

تجزیه و تحلیل احساسات به طور گسترده ای در بازاریابی ، تبلیغات ، روانشناسی ، پزشکی و سایر زمینه ها استفاده می شود. ما تصمیم داریم که تجزیه و تحلیل احساسات ایموجی را انجام دهیم تا به مردم کمک کنیم درک عمیق تری از شکلک ها در تعامل اجتماعی واقعی داشته باشند ، ابهام و سو mis تفاهم را به طور مثر از بین ببرند.

به عنوان مثال ، هنگامی که در حال گفتگو با دوست خود (یا لشکر خود) هستید ، ممکن است شخص مقابل گاهی اوقات برای شما ایموجی هایی بفرستد که کاملاً نمی دانید. در واقع ، موقعیت های زیادی مانند این وجود دارد ، مانند:

  • چه 🤒 معنی اگر پاسخ کسی که به عکس من.
  • وقتی دختری 😊 را برای من می فرستد یعنی چه؟
  • اگر له من من می فرستد ، این است که نشانه خوبی؟

همانطور که می دانیم ، شما نمی توانید معنای دقیق یک ایموجی را بگویید ، با این حال ، از طریق تجزیه و تحلیل احساسات ما ، می توانید این شکلک ها را از نظر روانشناختی تجزیه و تحلیل کنید ، مانند "او برای من فرستاد ... ، این یک نشانه مثبت است ، شاید من باید از او بخواهم" یا " چرا دوست پسر من برای من می فرستد ... این نوع منفی است ، آیا او از من عصبانی است؟ " ، چیزی شبیه به این. با تجزیه و تحلیل احساس Emoji ، من معتقدم شما می توانید شکلک های عمیق تری را درک کنید.


در مجموع ، ما هزینه زیادی برای این پروژه تجزیه و تحلیل احساسات emoji پرداخت کرده ایم. اگرچه دشوار است ، ما هنوز می خواهیم آن را عمیق تر کنیم. اکنون ما در حال تجزیه و تحلیل شکلک ها به زبان های مختلف ، تأثیر افزایش عاطفی شکلک بر متن خالص و چندین مطالعه پیشرفته دیگر نیز هستیم. همه اینها برای کشف استفاده بیشتر از شکلک ها است ، و امیدواریم که Emoji جالب و آموزنده باشد.