作者|Samuel Pilcer
译者 & 编辑|Debra
AI 前线导读:根据在线评论和评分,我们可以为客户提供关于其信誉度的深刻见解。我们会拆解评论文本了解评论的内容,并告诉我们的客户他们的客户在谈论什么,以及这些客户对其关键业务的满意度。
更多干货内容请关注微信公众号“AI 前线”(ID:ai-front)
例如,我们可以为客户识别提及价格的 100 条评论,通过分析这些评论的星级,我们可能会发现 80%的评论是积极的,评论的平均评分为 4.0。但是,这种方法仍有改进的空间:提及价格的积极评价不一定代表对价格满意。例如:
食物很棒,服务绝对优秀。但是这家咖啡店风格的餐厅价格非常高。
这个 5 星的评价显然是对餐厅的价格不太满意。我们需要一个模型来告诉我们句子或子句表达的情绪,以了解是哪些元素影响了评分等级。下面是我们为构建自己的情感挖掘工具而开发并使用的一些技术。
情感分析:了解线上用户表达的情绪
朴素贝叶斯分类器
朴素贝叶斯是首选,也是最容易进行文本情感分类的方法。它基于条件概率的贝叶斯公式: