Sentiment Analysis

Cos’è la Sentiment Analysis

La sentiment analysis consiste nell’estrazione delle opinioni e si riferisce all’elaborazione del linguaggio naturale, analisi del testo e linguistica computazionale per identificare informazioni soggettive nelle fonti. L’analisi del sentiment è ampiamente applicata alle recensioni, ai social media e al servizio clienti.

In generale possiamo dire che la sentiment analysis mira a determinare l’atteggiamento dell’interlocutore rispetto ad un argomento, o la polarità generale di un documento. L’atteggiamento può essere il giudizio o valutazione, lo stato emozionale dell’autore, o l’effetto emotivo che l’autore intende sortire su chi legge.

 

Lo studio della sentiment analysis è un argomento complesso che si basa sugli studi linguistici in ambito della ricerca universitaria. Cercheremo in questo articolo di estrarre i concetti più interessanti ai fini delle applicazioni nel web marketing senza perdere la scientificità dell’argomento.

Per chi fosse interessato ad una panoramica più divulgativa con focus sul web marketing consigliamo:

 

Polarità nella Sentiment Analysis

Il compito base dell’analisi del sentiment è di classificare la polarità di un testo in un documento o frase in positiva, negativa o neutrale. L’analisi avanzata del sentiment cerca stati d’animo come “arrabbiato”, “triste” e “felice”. Ad esempio si può affrontare il compito di classificare una recensione di un film come positiva o negativa per prevedere il punteggio su una scala di a 3 o 4 stelle. Oppure fare un’analisi approfondita delle recensioni di ristoranti, prevedendo il punteggio per vari aspetti del ristorante, come cibo e atmosfera.

Sentiment Analysis Emozioni

 

Soggettività e oggettività nella Sentiment Analysis

Consiste nella classificazione di un dato testo in una delle due classi: oggettiva o soggettiva. Un testo infatti può contenere informazioni oggettive, come un articolo di cronaca, o soggettivo, come ad esempio delle opinioni politiche espresse in un’intervista.  La soggettività delle parole e frasi può dipendere dal loro contesto e un documento oggettivo può contenere frasi soggettive, ad esempio delle citazioni. L’estrazione del carattere soggettivo od oggettivo è spesso più difficile della classificazione della polarità in quanto dipende dal contesto in cui il testo è inserito.

 

Sentiment Analysis di caratteristiche e attributi

Le caratteristiche e gli attributi si riferiscono all’identificazione delle opinioni o sentimenti espressi sui diversi aspetti dei soggetti, ad esempio di un cellulare, un ristorante o una macchina fotografica. Parliamo quindi dello schermo del cellulare, il servizio per un ristorante, o la qualità delle immagini per una macchina fotografica. Il vantaggio dell’approccio al sentiment basato sulle caratteristiche e attributi è la possibilità di cogliere sfumature sugli oggetti interessati. Differenti caratteristiche dello stesso oggetto possono generare differenti risposte del sentiment, per esempio un hotel può avere un ottimo servizio ma cibo mediocre.

 Sentiment Analysis IBM

 

Metodologie della Sentiment Analysis

Gli approcci esistenti alla sentiment analysis possono essere raggruppati in quattro macrocategorie: rilevamento delle keyword, affinità lessicale, metodi statistici, e tecniche a livello concettuale.

  1. Il rilevamento delle keyword classifica il testo tramite categorie emotive, basate sulla presenza di parole emotive non ambigue, come felice, triste, e annoiato. 
  2. L’affinità lessicale non rileva soltanto le keyword emotive, ma assegna anche a parole arbitrarie “un’affinità” probabile a emozioni particolari. 
  3. I metodi statistici si basano sugli elementi di apprendimento automatico. Metodi più sofisticati cercano di individuare il “proprietario” di un sentimento, ovvero chi è il soggetto che lo prova e l’obiettivo, ovvero l’oggetto verso cui si prova quel sentimento. Per misurare l’opinione nel contesto e trovare la caratteristica che è stata giudicata, sono usate le relazioni grammaticali delle parole utilizzate. Le relazioni di dipendenza grammaticale sono ottenute attraverso la scansione approfondita del testo. 
  4. Le tecniche a livello concettuale, a differenza degli approcci puramente sintattici, si basano su elementi provenienti dalla rappresentazione dei dati come le reti semantiche. In questo modo sono capaci di rilevare semantiche che sono espresse in maniera sottile, ad esempio attraverso l’analisi di concetti che non veicolano necessariamente informazioni rilevanti, ma che sono implicitamente collegati ad altri concetti che invece lo sono.

Sentiment Analysis Cloud

 

Strumenti di Sentiment Analysis

I tool di sentiment analysis utilizzano l’apprendimento automatico, statistiche e tecniche concettuali per processare il linguaggio naturale e automatizzare l’analisi del sentiment su grandi collezioni di testi, inclusi siti web, news online, gruppi di discussione, recensioni online, blog, e social media.

I sistemi basati sulla semantica invece, fanno uso di risorse disponibili liberamente sul web, come WordNet-Affect, SentiWordNet e SenticNet, per estrarre le informazioni semantiche e emozionali associate ai concetti del linguaggio naturale.

E’ comunque richiesta la componente umana nella sentiment analysis, poiché I sistemi automatizzati non sono capaci di analizzare concetti emotivi complessi come l’ironia. Ad esempio la seguente frase: “Il mio volo è in ritardo. Splendido!” senza comprensione contestuale, un software potrebbe individuare la parola “splendido” e classificare la frase come positiva.

Si può guadagnare in accuratezza con un grande volume di dati (big data), milioni di Tweets, che possono sorpassare le preoccupazioni sull’affidabilità a livello granulare, ovvero un singolo Tweet.

 

Attendibilità della Sentiment Analysis

L’accuratezza del sistema della sentiment analysis, è in sintesi quanto concorda con il giudizio umano, e il grado di affidabilità dipende dalle tematiche e argomenti trattati. Ad esempio in un contesto lessicale pieno di ironia l’attendibilità sarà inferiore rispetto ad un documento con informazioni oggettive. Comunque la valutazione dei tool di sentiment analysis rimane un argomento complesso. Per le attività di analisi del sentiment che forniscono una scala di valutazione piuttosto che un giudizio binario, la correlazione è una misura migliore della precisione perché tiene conto di quanto vicino il valore previsto sia dal valore effettivo.

Sentiment Analysis Like

 

Sentiment Analysis e Web 3.0

L’avvento dei social media ha favorito l’interesse per la sentiment analysis. Con la proliferazione di recensioni, punteggi, raccomandazioni e altre forme di espressione, l’opinione online è diventata una forma di valuta virtuale per i brand che vogliono pubblicizzare I loro prodotti, identificare nuove opportunità e gestire la loro reputazione. Poiché le aziende cercano di automatizzare i processi per comprendere le conversazioni, individuare i contenuti di rilievo e comportarsi di conseguenza, molte si rivolgono adesso alla sentiment analysis.

Se il web 2.0 era una questione di democratizzare la pubblicazione di contenuti, allora il Web 3.0 può considerarsi orientato alla democratizzazione dell’estrazione dei dati di tutti i contenuti pubblicati sul web.

Un passo in avanti verso questo obiettivo è stato fatto nella ricerca. Molte università nel mondo si sono focalizzate sul comprendere le dinamiche del sentiment nelle comunità online.

 

Ad esempio la sentiment analysis nell’ambito del microblogging ha mostrato come Twitter possa essere un valido indicatore online del sentiment politico. I tweet politici dimostrano una chiara corrispondenza con le posizioni politiche dei partecipanti, indicando che il contenuto dei messaggi di Twitter riflette plausibilmente il panorama politico offline.

 Sentiment Analysis Twitter

 

 

In conclusione possiamo dire che la sentiment analysis, pur essendo nata in un contesto linguistico e scientifico, ha trovato l’ampio consenso delle aziende per la sua possibilità di coniugare il marketing online ed offline.

 

Riferimenti

 

I nostri servizi di sentiment analysis

Costruiamo qualcosa di grande insieme