Automatická detekce emocí v textu Kateřina Veselovská
[email protected]
New Media Inspiration, Praha 21. 2. 2015
Informace v textu • objektivní fakta • subjektivní názory • pocity • domněnky • pozitivní či negativní hodnocení atd.
Informace v textu • rozvoj Webu 2.0 → obsah generovaný uživateli → potřeba automatického třídění informací
K čemu je to dobré? Postojová analýza (sentiment analysis) • automatická extrakce názorů a postojů z textu a řeči = co si vlastně lidé myslí
Postojová analýza • automatická extrakce názorů a postojů z textu a řeči = co si vlastně lidé myslí
Postojová analýza
• binární úloha nebo ordinální škála: - líbí x nelíbí -
K čemu je to dobré? • hodnocení produktů
• průzkum veřejného mínění • monitoring sociálních sítí
• intenční analýza • forenzní lingvistika
• predikace trendů v marketingu • predikace výsledků voleb
K čemu je to dobré? • potenciální zákazník – názory a komentáře jiných • uživatel – sdílení zkušeností • obchodník – zpětná vazba
Jak se to dělá? Nerezový vejcovar Steba má vyměnitelné pláty pro volská oka. vs. [Krásný nerezový vejcovar Steba je i u netrpělivých zákazníků velmi oblíben.]+ = hlasování prostou většinou
Czech Sublex 1.0
Czech Sublex 1.0 • překlad části MPQA korpusu přes paralelní korpus CzEng 1954 substantiv 1698 sloves 819 adjektiv 465 adverbií 4936 hodnotících slov
přístupný ze stránek www.ufal.cz/sentiment
Jak se to dělá? • metody kvantitativní lingvistiky (tematická koncentrace) • unsupervised learning - Turneyův třístupňový algoritmus (využití PMI) • supervised learning
- support vector machines - maximální entropie - slovníkové klasifikátory - Naivní Bayesův klasifikátor
Naivní Bayes • velké množství trénovacích dat (csfd.cz, mall.cz…) • preprocessing: spell-checking lemmatizace desambiguace morfologie parsing…
Naivní Bayes • feature: přítomnost lemmatu v daném segmentu
• odhaduje predikační sílu lemmatu vzhledem k polaritě • trénování = budování slovníku všech přítomných lemmat a jejich predikačních sil
Naivní Bayes • filtrování - podle slovních druhů - na základě frekvence - zohlednění jazyka emocí emocí v jazyce
Jazyk emocí
Jazyk emocí
Jazyk emocí • emotikony :-) :-D :-P ;-) >:-[ :-/ :-( …
• výrazná interpunkce!!!!!!!??????????!!!!!! • opakování znaků: Supeeeeeeeeer! • důraz pomocí kapitálek: Je to prostě BOŽÍ!
• vytýkání: Tenhle vejcovar nade všechno *miluju* • nové pojetí vulgarismů: KUA
Jazyk emocí
Jazyk emocí • augmentativa (barabizna) • deminutiva (mimísek) • eufemismy (okrasný tukový prstenec x špek) • vulgarismy (@#%$!!) • evaluativní frazémy a idiomy • pojmenované entity
Jazyk emocí za málo peněz hodně muziky mít se jako prase v žitě cítit se jako nahý v trní stát za houby být příjemný jako osina v zadku jít jako po másle být šťastný jako blecha tvářil se, jako by mu uletěly včely má to své mouchy lepší než drátem do oka…
Emoce v jazyce moderátorka Jolka Krásná obec Krásná karpatský hřeben Krásná polonina zemědělské družstvo Krásná Hora nad Vltavou bar/pořad Krásný ztráty časopis Krásná a zdravá lunární kalendář Krásné paní píseň Krásná je Neapol poéma Krásná Poldi román Cizinec a krásná paní film Život je krásný soutěž Věda je krásná
Jazyk emocí „Jeho styl mi nic neříká, neoslovuje mě. Poezii (já) miluju, ale Šrámek ani náhodou. Ve škole na něj češtinářka pěla ódy, tak mě to zajímalo, jestli je (on) fakt tak dobrej, chtěla jsem přečíst i něco jinýho než Splav, ale neshledala jsem (já) v jeho díle nic obdivuhodného, takže (já) fakt nechápu tu všeobecnou glorifikaci.“ → zdroj
Zdroj: http://www.zpovednice.cz – diskuse k básni Splav
Jazyk emocí „Jeho styl mi nic neříká, neoslovuje mě. Poezii (já) miluju, ale Šrámek ani náhodou. Ve škole na něj češtinářka pěla ódy, tak mě to zajímalo, jestli je (on) fakt tak dobrej, chtěla jsem přečíst i něco jinýho než Splav, ale neshledala jsem (já) v jeho díle nic obdivuhodného, takže (já) fakt nechápu tu všeobecnou glorifikaci.“ → zdroj → cíl
Zdroj: http://www.zpovednice.cz – diskuse k básni Splav
Jazyk emocí „Jeho styl mi nic neříká, neoslovuje mě. Poezii (já) miluju, ale Šrámek ani náhodou. Ve škole na něj češtinářka pěla ódy, tak mě to zajímalo, jestli je (on) fakt tak dobrej, chtěla jsem přečíst i něco jinýho než Splav, ale neshledala jsem (já) v jeho díle nic obdivuhodného, takže (já) fakt nechápu tu všeobecnou glorifikaci.“ → zdroj → cíl → hodnocení Zdroj: http://www.zpovednice.cz – diskuse k básni Splav
Emoce v jazyce • plnovýznamové slovní druhy s výjimkou zájmen a číslovek • evaluativní částice
• citoslovce
Emoce v jazyce • důležitost desambiguace
Dobře, já to udělám. Zachoval se dobře.
Emoce v jazyce • důležitost slovesa
zdroj – hodnocení – cíl agens – predikát – patiens
Emoce v jazyce • slovesa osobního mínění
myslet, domnívat se, předpokládat, pohlížet na…
Emoce v jazyce • explicitní hodnocení – vyjádření citového stavu
nesouhlasit s, nesnášet, chválit, zbožňovat… [Toho hrdopýška všichni nesnášejí.] – [Toho hrdopýška všichni chválí.] +
→ hodnotící sloveso má větší indikační sílu než hodnotící substantivum
Emoce v jazyce • důležitost částic
[Bohudík toho hrdopýška všichni nesnášejí.] + [Bohužel toho hrdopýška všichni chválí.] → emocionální částice má větší indikační sílu než evaluativní sloveso - chválabohu, naštěstí, zaplať pánbůh…
Emoce v jazyce • důležitost adjektiv
[Bylo to příjemné nedorozumění.] +
→ hodnotící adjektivum má větší indikační sílu než hodnotící substantivum
Emoce v jazyce
• pragmatická odbočka: ironie
Byl to hrdinný chlípník. Byl to chlípný hrdina.
Emoce v jazyce • intenzifikátory
[Ještě si pamatuju, že to kafe bylo strašně dobrý.] +
Emoce v jazyce • důležitost negace - obrací větnou polaritu
[Jídlo nebylo dobré.] –
Emoce v jazyce • důležitost spojky ale ‒ adverzativní koordinace
[Pláž byla hrozná]- , ale [v hotelu se nám líbilo.]+
Emoce v jazyce • přípustkové spojky přestože, ačkoliv, jakkoliv, byť, i když…
Přestože příjezd nesplnil všechna jeho očekávání, leccos ho potěšilo.
Emoce v jazyce
• hodnocení je často závislé na doméně: • chytrý telefon x chytrý zásah litvínovského útočníka • tichý vysavač x tichý detektor kouře
• „Go read the book!“
Emoce v jazyce
„Rubbish hotel in Madrid“
Jakou to má úspěšnost? • nejlepší dosažená přesnost: 89% (trénovací data z Mall.cz)
Jaké to má aplikace? Customer churn analysis: „Blahopřeju vám k anti-péči o zákazníka. Jsem u vás od roku 2002 a jediné co mi umíte nabídnout jsou běžné − a stále dost nevýhodné − tarify. Člověk si aspoň uvědomí, jak moc potřebujeme Evropskou unii (jejíž instituce jako jediná z relevantních subjektů tlačí ceny dolů). Po špatných zkušenostech hodlám přejít ke konkurenci.“
Jaké to má aplikace? Customer loyalty analysis „Produkt této společnosti používám na několika PC už několik let a zatím jsem neobjevil žádné vady. Vzhledem k mé naprosté spokojenosti ani do budoucna nehodlám nic měnit.“
Jaké to má aplikace? Customer risk analysis • detekce lži: kratší věty, krátká slova, více výrazů vyjadřujících pozitivní emoce… (+ další dimenze)
• detekce spamu, detekce falešných profilů, výhružných e-mailů aj.
Jaké to má aplikace? Customer feedback analysis „Koupit si tento fotoaparát a spoléhat na jméno firmy se mi vůbec nevyplatilo. Např. proti mému stařičkému fotoaparátu je toto naprostý propadák. Průměrný telefon s fotoaparátem udělá stejné, ne-li lepší fotografie. Ani komunikace s centrem podpory nestojí za nic. Výrobek mě zklamal a víckrát už si žádný produkt této firmy bezpochyby nekoupím.“
cílený marketing
Jaké to má aplikace?
personalizovaný marketing, individuální interakce
Jaké to má aplikace? http://twittersentiment.appspot.com/
Jaké to má aplikace? http://socialmention.com/
Jaké to má aplikace?
Zdroj: http://www.yeseter.com
Jaké to má aplikace?
Zdroj: http://www.semantic-visions.com/
Jaké to má aplikace?
Jaké to má aplikace?
Jakou to má budoucnost? • lepší preprocessing: pojmenované entity spell-checking (vulgarismy apod.) • automatická identifikace cílů • doménově závislé výrazy • analýza mluvených dat • psycholingvistické experimenty
*Děkuji* za pozornost!! www.ufal.cz/~veselovska
