Решение по распознаванию личных качеств с использованием машинного обучения — обзор

· Анализ настроений – это инструмент машинного обучения, который анализирует тексты или твиты от человека. Эти тексты или твиты можно разделить на положительные, отрицательные или нейтральные в зависимости от основного настроения.

· Путем обучения инструментов машинного обучения с примерами эмоций в тексте, твитов машины автоматически учатся определять настроения без участия человека.

· Но для более глубокого понимания Личности человека классификация должна основываться на реальных и более определенных чувствах, таких как Счастье, Печаль, Гнев, Ненависть, Замешательство и т. д.

· Современные подходы к анализу настроений подразделяются на три типа: основанные на знаниях, статистические и смешанные.

· Модели анализа гибридного подхода являются наиболее современным, эффективным и широко используемым подходом к анализу настроений.

Преимущества анализа тональности

· Легко определять настроения клиентов

· Улучшить качество обслуживания

· Определите эмоциональные триггеры клиентов

· Индикаторы эмоций клиентов в реальном времени

Как мы внедрили Решение для распознавания личных качеств с помощью машинного обучения?

Обзор решения

· Внутри каждого твита скрыта явная и скрытая эмоция. Эти твиты можно разделить на положительные, отрицательные или нейтральные в зависимости от основного настроения.

· Но для более глубокого понимания Личности человека классификация должна основываться на более определенных чувствах в реальном времени, таких как Счастье, Печаль, Гнев, Ненависть, Замешательство и т. д.

· Содержание твита предварительно обрабатывается, а ненужные данные отбрасываются.

· Твиты вместе с их соответствующими метками sentiment разбиваются на обучающие и тестовые наборы, а затем передаются в 3 модели, а именно универсальный кодировщик предложений (USE), LSTM и модель doc2vec.

· Анализ производительности выполнен на моделях, и сделан вывод, что модель ЕГЭ работает лучше всего среди доступных вариантов.

Технологии

Размер рынка: анализ настроений

Глобальный рынок программного обеспечения для анализа настроений оценивается в 1,6 миллиарда долларов США в 2020 году и, по прогнозам, достигнет пересмотренного размера в 4,3 миллиарда долларов США к 2027 году, увеличившись в среднем на 15,5 % за анализируемый период с 2020 по 2027 год.