Funkció Menü

Kategóriák

bőrszín

frizurája

nem

Érzés

Változat

Az emoji tele van érzelmekkel. Javíthatja vagy módosíthatja a szöveg hangnemét és hangulatát, ugyanakkor az emoji által kifejezett érzelmek nyilvánvalóbbak lehetnek, mint a szavak.

Például ez a hangulatjel 👿 (dühös arc szarvakkal). Nyilvánvalóan ördögi karakter formájában van, ezért lehetnek olyan gondolatok, amelyeket "rossz" hangulatjelnek tartanak, mint néhány gonosz gondolat valakinek a fejében.

De mégis, ez a fajta leírás nagyon elvont. Ezért vizualizálhatjuk-e az emojik által kifejezett hangulat típusokat és szinteket?


A válasz természetesen "igen"! A természetes nyelv feldolgozását (NLP) legalább 50 millió tweet nyilvános mintáján végeztük, és a Szöveg-hangulat elemzés (más néven vélemény-bányászat) segítségével összekapcsoljuk az emoji hangulatot egy értékkészlettel és megjelenítjük azt. Sok időt, energiát és számítási energiát töltöttünk el, hogy az emoji érzelmek elemzését tudományosabbá és szigorúbbá tegyük, hogy mindenki megérezhesse a varázst és jobban megértse az emojikat.

Vizuális diagramok az emoji érzelmek elemzéséhez

Az olyan adatokat, mint az emoji hangulatérték, a statisztikához és a valószínűségelmélethez tartozó szöveges hangulat-elemzés alapján számítottuk ki. Miután megoldottuk az algoritmus és a számítási teljesítmény problémáját, majd új nehézségekbe ütköztünk: hogyan lehet a felhasználókat megérteni ezen szakmai adatokkal?

Egy gondolat jár a fejünkben - Hé! Mit szólnál ahhoz, ha néhány jó dizájnnal vizualizálnánk az emoji hangulatértékeket!

💡: A kiszámított és elemzett adatokat (balra) a felhasználók által jobban érthető diagramba (jobbra) konvertáltuk, amely intuitívabban megmutatja az emoji érzelmi megosztottságát;

Tehát hadd magyarázzam el a következő táblázatot, amely az emoji érzelmi tendencia elemzésének eredményeit ábrázolja a tényleges kommunikáció során.

💡: 2 típusú diagram az emoji 👿 hangulatelemzéséhez, itt csak a fenti diagramot elemezzük.

A képen látható félkörív három színre oszlik, amelyek az emoji emotional különböző érzelmi tendenciáit képviselik. Mint láthatjuk, ennek a három érzelemnek az aránya körülbelül 4: 1: 5, a zöld és a narancs hasonló arányú, ami azt jelenti, hogy ez az emoji inkább semleges (meglepetés !!).

  • A szürke kurzor a bizalmi szint , egy statisztikai fogalom. Helyzete és szélessége jelzi: Expected Value ± Confidence .
  • Várható érték : Ez az emoji érzelmi érték diszperzív véletlen változóinak súlyozott átlaga, amelyet a valószínűség kifejezésére használnak, c ∈ [−1, 0, +1] .
  • Magabiztosság : Ez az emoji hangulatérték-eloszlás paraméterkészlete, ésszerű hibatartományt mutat pozitív és negatív intervallum formájában. És nagyobb a korpuszminták száma, annál kisebb a hiba.

Egyszerűen szólva, annál közelebb van a kurzor balra, ennek a hangulatjelnek az érzelme negatívabb. Ellenkezőleg, minél közelebb van a kurzor jobbra, annál pozitívabb érzelmet fejez ki ez az emoji. És minél keskenyebb a kurzor, az érzelem megítélése pontosabb.


Most megértette az emoji hangulat-elemzés diagramunkat?

Mi az a hangulatelemzés?

Úgy gondolom, hogy megértette az emoji érzelmek elemzésének diagramját, szóval beszéljünk arról, hogy mi az a hangulatelemzés.

A hangulatelemzést nevezzük véleményalkotásnak is. Technikailag az érzelmek elemzése a természetes nyelv feldolgozásának (NLP) kutatásának része. A hangulatelemzési módszerek két típusra oszthatók: gépi tanulás és szótár alapú módszerek . De a mély tanulási technológia fejlődésével ennek a technológiának az érzelmek elemzésére történő felhasználása vált a fő irányba.

A hangulatelemzési folyamat magában foglalja az adatok előfeldolgozását, a funkciótervezést és a modellképzést. Általánosságban elmondható, hogy az adatfeldolgozás szakasza főleg szavakra osztja a szöveget, és eltávolítja a leállítási szavakat és az írásjeleket. Hangulatelemzésünk azonban megtartja az írásjeleket és a megállító szavakat. A funkciótervezési szakaszban a Google csapata által 2013-ban javasolt beágyazási reprezentáció (Word2Vec) szót választottuk, amely a CBOW (folytonos szavak zsákja) és Skip-gram modellekre oszlik. A modell eredményei a következők:

💡 : Bal oldalon a CBOW modell, a jobb oldalon a Skip-gram modell látható

A CBOW a kontextuson alapul, hogy megjósolja a célszót, amelyet a szóvektor megszerzéséhez kell edzeni. Amint az ábrán látható, W (t) előrejelzése négy W(t-2), W(t-1), W(t+1), W(t+2) ; A skip-gram az, hogy megjósolja a környező szavakat a célszó szerint, hogy kiképezzék a szó vektorát. Amint az ábrán látható, hogy megjósolni W(t-2),W(t-1),W(t+1),W(t+2) a W (t).

A modell előrejelzési szakaszában az adatokat két részre osztjuk: Az 5: 1 arányban elosztott képzési készletet és a tesztkészletet és az edzéskészletet soron kívül dolgozzuk fel.

A hangulatelemzés alkalmazása az emoji-ban

A hangulatelemzés egy átfogó elemzési módszer, amely egyesíti a mély tanulást és a statisztikákat. Az emoji érzelmi értékét komplex elemzés és az adatok összességének kiszámítása után kaptuk meg, és a teljes emoji hangulat-elemzési folyamat a következő:

Az emoji érzelmek elemzésének folyamata

  • Címkézze meg a szociális hálózati korpuszt
  • Adatok előfeldolgozása
  • Ossza fel az adatkészletet: Képzési készlet (80%), Tesztelő készlet (20%)
  • Használjon LSTM neurális hálózatot egy modell felépítéséhez
  • A modell tesztkészleten nyújtott teljesítményének megfelelően állítsa be a hiperparamétereket a modell általánosítási képességének javítása érdekében
  • Végezze el ugyanazt az adatfeldolgozási műveletet a címkézetlen adatoknál
  • Használja a betanított hangulat-előrejelzési modellt a címkézetlen adatok hangulatának előrejelzésére

Hangulatelemzést végzünk az emoji-n, és a mély tanulási technológiát használva edzünk egy emoji szöveg-hangulat-osztályozó megszerzéséhez. Az osztályozó kimeneti rétegéhez az aktiválandó sigmoid függvényt választjuk, és a kimeneti réteg eredményeit 0-1 intervallumra vetítjük. Minél közelebb van a szöveg a 0-hoz, annál negatívabb és minél közelebb van az 1-hez, annál pozitívabb.

A szigmoid függvény képlete: F(x)=1/(1+ex)

Elemzési korpuszként nagy, 50 millió tweetet tartalmazó emoji-t használunk, amelyek elemzéskorpuszként emoji-t tartalmaznak, majd a korpusz elemzését a képzett hangulat-osztályozóba tesszük a hangulat-előrejelzés céljából. Végül az osztályozó által a hangulat előrejelzésének eredményei három típusra oszthatók: negatív, semleges és pozitív. Az osztályozási kritériumok a következők:

Egyébként nehéz, de sikerült !!

Az Emoji Sentiment Analysis használata és kilátásai

A hangulatelemzést széles körben alkalmazzák a marketing, a reklám, a pszichológia, az orvosi és más területeken. Úgy döntünk, hogy elvégezzük az emoji érzelmek elemzését, hogy segítsünk az embereknek jobban megérteni az emoji-t a tényleges társadalmi interakcióban, hatékonyabban kiküszöbölni az emoji kétértelműségét és félreértését.

Például, amikor online beszélget a barátjával (vagy a barátjával), a másik személy néha olyan hangulatjeleket küldhet Önnek, amelyeket nem egészen ért. Valójában sok ilyen helyzet van, például:

  • Mit jelent, ha valaki válaszol a fotómra?
  • Mit jelent, ha egy lány küld nekem 😊?
  • Ha az összetörésem küld , ez jó jel?

Mint tudjuk, nem tudod megmondani az emoji pontos jelentését, azonban hangulat-elemzésünk segítségével pszichológiailag elemezheted ezeket a hangulatjeleket, például: "Ő küldött nekem egy 💞-t, ez pozitív jel, talán ki kéne kérnem tőle" vagy " miért küld nekem a barátom egy 😒-t? Valahogy negatív, haragszik rám? " , valami ilyesmi. Emoji hangulatelemzésünkkel úgy gondolom, hogy mélyebben megértheti az emojikat.


Összességében sokat fizettünk ezért az emoji hangulatelemző projektért. Annak ellenére, hogy nehéz, mégis szeretnénk mélyebbé tenni. Most elemezzük az emoji különböző nyelveken, az emoji tiszta szövegre gyakorolt érzelmi erősítési hatását, és számos más haladó tanulmányt is figyelembe vettek. Mindezek célja az emoji-k további használatának feltárása, és remélem, hogy az emoji-t érdekesnek és informatívnak találja.