<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=336490476836615&amp;ev=PageView&amp;noscript=1">

Smart Blog

Come sarà la Sentiment Analysis del futuro?

Davide Avella,

Come sarà la Sentiment Analysis del futuro?

È difficile che la scienza e la tecnologia, nelle loro linee generali, superino la fantascienza. Ma in molti, piccoli e inattesi particolari vi saranno sempre delle sorprese assolute a cui, gli scrittori di fantascienza, non hanno mai pensato.
Isaac Asimov

E la tecnologia in effetti ci ha riservato delle belle sorprese in questi ultimi decenni. Pensa a quando ancora non esistevano i cellulari: chi si sarebbe mai immaginato allora un mondo così connesso e superveloce come quello in cui viviamo? O i grandi passi avanti in termini di machine learning e intelligenza artificiale? Forse solo la fantascienza di Asimov.

Nel panorama odierno la Sentiment Analysis è già uno strumento molto innovativo, ma il futuro ci indica interessanti opportunità in termini di sviluppo tecnico e funzionale di questa tecnologia, nata per leggere e interpretare l'emotività di un testo scritto. Le potenzialità di questo strumento -dal sociale al business- hanno scatenato i più accesi dibattiti su ciò che potrà divenire nel futuro. Scopriamolo insieme!

 

Scarica 3 casi d'uso della Sentiment Analysis su Twitter!

Uno spostamento verso lo studio delle categorie emotive

Sentiment Analysis | Uno spostamento verso lo studio delle categorie emotive

Una delle domande fantascientifiche (e nemmeno troppo) più gettonate è "I robot saranno così evoluti da provare sentimenti?".

Al di là dei numerosi libri, film e trattati di fantascienza, la comprensione delle emozioni da parte di oggetti inanimati non è qualcosa di troppo lontano dalla realtà. È vero, molti strumenti di Sentiment Analysis facilmente reperibili online si limitano ad analizzare la polarità di un testo, individuando se siamo in presenza di carattere positivo, negativo o neutro nei confronti del costrutto oggetto dell'analisi.

Ma è altrettanto vero che nel prossimo futuro saremo in grado di categorizzare le emozioni espresse nei testi. Nel caso di analisi dei commenti su un prodotto potremmo, ad esempio, categorizzare questi commenti come arrabbiati, felici, ironici, tristi, frustrati, soddisfatti e così via, con un grado di precisione davvero elevato.

Grazie al machine learning è infatti possibile "allenare" gli algoritmi per avvicinare sempre di più la capacità di analisi della macchina a quella umana. Se quindi noi umani impariamo a riconoscere la felicità di una persona guardando il suo sorriso, un robot opportunamente allenato potrebbe arrivare alla solita conclusione. E, secondo la stessa logica di apprendimento, uno strumento di Sentiment Analysis potrebbe rendersi conto dell’emozione provata dall'autore di un testo guardando a ciò che ha scritto, a come lo ha scritto e a tutti gli elementi a supporto del testo, come possono essere ad esempio le emoji. [Leggi anche L'emozione passa da uno smile: la Sentiment Analysis sulle Emoji :)]

Una più raffinata analisi delle frasi complesse

Sentiment Analysis | Una più raffinata analisi delle frasi complesse

Oggi molti strumenti di Sentiment Analysis non offrono la precisione necessaria a comprendere realmente le frasi, a causa di sistema molto semplice basato su parole chiave, con conseguente incapacità di legare l'analisi ai problemi reali che affliggono i business.

Nei prossimi anni, grazie all'applicazione di tecniche cognitive come le reti neurali, si potrà raggiungere un nuovo livello di precisione, ottenendo così un apprendimento molto più profondo dei testi. La Sentiment Analysis potrà così individuare il corretto senso della frase, anche se scritta in maniera ironica, nel linguaggio parlato, in dialetto o comprensivo di emoticon.

Questa spinta all'applicazione delle reti neurali per ottenere tecniche sempre più precise nasce dalla necessità delle aziende di ascoltare il cliente al fine di progettare una customer experience sempre più coinvolgente e totalizzante.

Una migliore comprensione del contesto

Sentiment Analysis | Una migliore comprensione del contesto

Il problema del contesto lessicale è sempre stato il vero tallone d'achille della tecnica delle parole chiave (keywords): infatti, senza considerare il contesto, alcune parole possono portare a interpretazioni sbagliate o fuorvianti. Grazie a reti lessicali, semantiche, parser e sistemi sintattici, gli strumenti di Sentiment Analysis del futuro potranno tenere di conto con sempre maggior precisione anche del contesto a cui si riferiscono le frasi e le parole analizzate.

Sviluppando ed evolvendo quelle che sono le tecnologie che stanno alla base del Text Mining, sarà possibile evitare di dare la medesima interpretazione a contesti diversi.

Una maggiore apertura verso lingue diverse dall'inglese

Sentiment Analysis | Una maggiore apertura verso lingue diverse dall'inglese

In un'epoca in cui si parla addirittura di traduzione simultanea, anche la Sentiment Analysis deve essere in grado di considerare la grande diversità di lingue presenti nel mondo. Oggi la maggior parte degli strumenti lavora su testi in lingua inglese, ma più passa il tempo e più cresce la necessità di coprire altri linguaggi o idiomi. Dai più vicini all'inglese ai più lontani, quali arabo, cinese, coreano, turco o giapponese: probabilmente le prime lingue a essere interessate alla Sentiment Analysis saranno quelle dei Paesi in forte crescita, che portano con loro diverse necessità e opportunità di business.

Insomma, il futuro sembra riservarci molte sorprese: chissà a che punto in realtà riuscirà ad arrivare la Sentiment Analysis?! Per il momento non lo sappiamo, ma puoi vedere come funziona, grazie al nostro eBook gratuito 3 casi d'uso della Sentiment Analysis su Twitter . Scaricali gratuitamente con un clic!

3 casi d'uso della Sentiment Analysis su Twitter!

Condividi l'articolo

  

Commenti

New call-to-action

Iscriviti alla Newsletter

Condividi questo blog