什么是情感分析?机器学习如何帮助客户?

当你想到人工智能(AI)时，通常不会想到“情感”这个词。但有一个完整的研究领域使用人工智能来理解人们对新闻、产品体验、电影、餐馆等的情绪反应。它被称为情绪分析它包括分析书面文本中的观点(积极的、消极的或中性的)，以理解和衡量反应。

情感分析可以用于调查研究、社交媒体分析和跟踪心理趋势。图片软件扫描文章、评论、评分和社交媒体帖子，以确定酒店客人的情绪变化。例如，酒店经营者将汇总和评估评分和评论，以提高客人的满意度。

情感分析背后的技术涉及自然语言处理或语言算法，为积极、消极或中立的文本赋值(将意见转换为数据集)，而机器学习则处理数据集，以揭示随着时间的推移的相关趋势。需要进行重要的规划:如何确保算法捕获有用的信息?你是否确定了要分析的正确短语?如何将发现转化为更好的产品、服务和体验?

分析帮助发现客户需求

在Concur，了解我们的用户和他们的需求非常重要。这让我们看到我们做得好的地方以及我们可以改进的地方，情绪分析可以提供宝贵的见解。最近，Concur Labs和Concur UX Analytics开发了一款用于用户产品评论的情感分析工具。我们的工具自动提取主题来确定客户对我们服务的感觉，并帮助确定人们最喜欢哪些功能，哪些功能让他们感到沮丧。

与其他应用程序不同，我们衡量成功的标准不是你在我们的应用程序上花了多少时间，而是花了多少时间。例如，你越快为旅行埋单就越好。我们的分析发现，人们希望拥有更快的功能。它还揭示了人们确实喜欢一些不太为人所知的功能，比如里程跟踪。

情绪评估很复杂

如果我们能用一个表情符号来分类，那就很简单了。但人类要复杂得多，也更迷人。这种复杂性适用于情感分析。例如，像“这部电影非常好”这样的评论很容易分析。但当你加上否定的时候就有点难了:“这部电影还不错。”当你根据上下文添加一些通常看起来是积极的，但实际上是消极的术语时，就更难了。例如，“我希望这部电影不错。有很多事情它本可以做得很好，但却没有做到。”

作为一个相对较新的领域，方法是多种多样和成熟的。传统上，分析是通过所谓的“词汇袋”方法进行的。基本上是创建一个所有使用过的单词的列表，以及它们使用的次数。使用这种方法，词序被抛到窗外。所以“还不错”会是否定的。现代方法使用称为LSTMs(长短期记忆)的循环神经网络，将整个句子压缩成一个向量(一组数字)，将句子的意思封装起来，并考虑词序。这往往有更高的准确性。

对于投资于客户的企业来说，手工分析每一条反馈可能是压倒性的。在上下文中开发的情绪分析可以帮助及早发现问题，并为如何改进服务提供指导。相关的机器学习算法可以获取大量数据;快速学习并完成特定任务;根据你的优先级筛选数据。随着技术的进步，企业可以从这些深入的洞察中受益，客户满意度肯定也会随之提高。