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

Smart Blog

I trend della Sentiment Analysis per il 2018

Davide Avella,

I trend della Sentiment Analysis per il 2018

Il mondo di internet funziona come un doppio canale: se da una parte le persone possono reperire un gran numero di informazioni su qualsiasi argomento dello scibile umano, dall'altra è anche possibile conoscere approfonditamente gli utenti stessi che ricercano queste informazioni.

Non sto parlando di metodi illeciti di furto di informazioni personali degli internauti, sto semplicemente dicendo che con la Sentiment Analysis applicata ai testi spontaneamente scritti dagli utenti è possibile ricavare molte informazioni: che linguaggio viene usato? Che emozione viene trasmessa? Cosa vuole realmente dirci chi ha scritto il testo? Che cosa riguarda? 

Questo tipo di analisi sta prendendo sempre più piede in virtù delle tante azioni che è possibile intraprendere una volta conosciute le opinioni degli utenti del web: migliorare il proprio customer service, rispondere prontamente a crisi reputazionali del brand, anticipare i trend di mercato e molto altro. Come ogni tecnologia in evoluzione, anche la Sentiment Analysis è soggetta a miglioramenti e potenziamenti nel tempo: vediamo cosa ci prospetta questo 2018 appena arrivato!

 

 

Scarica 3 casi d'uso della Sentiment Analysis su Twitter

 

Analisi multi-lingua

Gli attuali strumenti di Sentiment Analysis operano per lo più su testi di lingua inglese. Ciò è dovuto principalmente alla grande disponibilità di testi scritti in questa lingua e al fatto che i principali studi di questo tipo di analisi provengono da Paesi anglosassoni.

La crescente importanza della Sentiment Analysis richiede però un supporto multi-lingua, una comprensione di testi scritti in lingue diverse da quella inglese.

Sentiment Analysis | Analisi multi-lingua

Entrano così in gioco librerie dedicate ai più diversi linguaggi:

  • quelle più “vicine” all'inglese per alfabeto, modi di esprimersi e cultura, come possono essere le lingue europee;
  • quelle più “lontane” dall'inglese, quali russo, cinese o arabo.

Non è un aspetto da sottovalutare: i Paesi emergenti stanno sempre più ammodernandosi, e non è affatto da escludere che nel corso dei prossimi anni possano richiedere soluzioni personalizzate per la Sentiment Analysis che rispondano alle loro specifiche esigenze. Il 2018 è quindi un buon momento per sviluppare strumenti in grado di affrontare analisi multi-lingua!

Miglior comprensione del testo grazie alla semantica e al machine learning 

Sentiment Analysis | Semantica e Machine Learning

L'adeguata comprensione del testo è un elemento chiave per guidare le proprie azioni: ricerche di mercato, customer experience, analisi di lancio di prodotti e molto altro. Il machine learning e i vari algoritmi di apprendimento automatico stanno migliorando sempre di più, permettendo alle macchine di individuare il senso della frase anche se espresso nel linguaggio del parlato spontaneo.

Inoltre si stanno pian piano affinando le tecniche di riconoscimento del reale significato di una parola che, in contesti diversi, può assumere diversi significati. A supporto della comprensione del testo avremo miglioramenti nel campo della semantica, del lessico e della sintassi, che garantiranno una maggior precisione delle analisi e l'implementazione di nuovi metodi di classificazione.

Standardizzazione dell'analisi delle Emoji

L'utilizzo delle emoji e delle emoticon è sempre più frequente. Più che dalle parole, infatti, la trasmissione del proprio stato d'animo è oggi veicolata da piccole faccette tonde e altri simboli, utili a comunicare il proprio messaggio in maniera rapida e divertente. Al pari degli #hashtag, specificano, completano e rafforzano i contenuti e il loro significato.

All'interno di un contesto di Sentiment Analysis è necessario quindi considerare anche questo “linguaggio” moderno e, per certi versi, universale. Sul web è possibile individuare molte liste che associano le diverse emoji a codici identificativi, ma c'è il rischio che le varie fonti considerino in maniera differente la moltitudine di simboli e faccine che vengono realizzate senza sosta (la lista standard Unicode contava 2.666 diverse emoji a maggio 2017).

Sentiment Analysis | Esempio codici emoji - Lista Unicode

Un'ulteriore difficoltà è dovuta al fatto che molte emoji presentano gli stessi disegni ma con variazioni di colore: gli strumenti di Sentiment Analysis devono essere quindi in grado di leggere anche queste differenti tonalità di colore.

Il prossimo passo dell'Emoji Analytics sarà quindi quello di definire uno standard unico di riferimento utile a interpretare le emoji e avere una loro classificazione semantica, andando oltre a un'analisi basata sul mero conteggio.

Riconoscimento delle emozioni espresse nelle immagini

Finora abbiamo parlato di Sentiment Analysis come se riguardasse esclusivamente l'analisi testuale. Ma l'analisi del sentimento e delle emozioni ricollegabili a un item può non limitarsi solamente alla Text Analysis: attitudini, inclinazioni, mood, e opinioni possono infatti accompagnare qualsiasi elemento multimediale, che si tratti di un'immagine, un video, un audio o un testo.

Questo concetto lo abbiamo visto nel paragrafo precedente, che riguardava l'analisi del Sentiment espresso dalle emoticon (testo) e dalle emoji (piccole immagini iconiche). Un passo ulteriore e di crescente importanza riguarda l'analisi delle immagini e dei video. 

Sentiment Analysis | L'Emotion Analytics

Pensa a quanti contenuti visivi vengono messi online ogni secondo dagli utenti del web: foto di prodotti lasciate sui siti di recensioni, immagini postate su blog e forum specializzati in determinati argomenti, foto personali condivise sui social network.

L'Emotion Analytics, branca della Sentiment Analysis, studia le espressioni facciali individuate nelle foto e nei video.

Ma a cosa serve? Sui social network e sui siti aziendali viene utilizzato sempre più frequentemente un tipo di comunicazione basato sulle immagini: ciò è da ricollegarsi alla loro capacità di veicolare i messaggi in modo rapido e immediato. Questo trend è validato dagli ultimi dati sul numero di utenti attivi su Instagram, il social network delle immagini per eccellenza.

Numero di utenti Instagram attivi mensilmente (in milioni) anni 2013-2017

In due anni (2015-2017) è raddoppiato il numero di utenti attivi, e non ci sono segnali che facciano pensare a un'inversione di rotta in questo 2018. Con la Emotion Analysis, quindi, stati d'animo ed emozioni vengono estratti da immagini e video tramite l'analisi delle espressioni facciali. Non solo, con un lavoro congiunto di Text Analysis è possibile ricondurre alle immagini i risultati dell'analisi del contenuto testuale. In questo modo sarà quindi possibile quantificare le emozioni e ricondurle a precisi fatti o stimoli che le hanno scatenate.

Insomma, sembra che la Sentiment Analysis abbia delle sfide molto interessanti davanti a sé in questo 2018! Per il momento, nell'attesa di future implementazioni, puoi fare affidamento a strumenti già esistenti sul mercato in grado di rispondere a molti dei quesiti che stanno alla base di trend appena analizzati.

Extra Smart, ad esempio, ha sviluppato Social Grader. Se vuoi vedere un esempio dei risultati ottenuti tramite un'analisi del Sentiment, puoi analizzare questi 3 casi d'uso della Sentiment Analysis su Twitter fatta con Social Grader. Scaricali gratuitamente con un clic:

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

Condividi l'articolo

   

Commenti

New call-to-action

Iscriviti alla Newsletter

Condividi questo blog