关注微信公众号“高速商务通”,马上办理ETC。
聊天机器人已经上市了好几年了,但是新的聊天机器人对语言有了更好的理解,并且更具互动性。一些企业使用聊天机器人在帮助台上回答常规问题。有些人使用机器人来帮助路由帮助台问题。在此,根据您的身份以及您的要求,您将被转到正确的呼叫中心人员来回答您的具体问题。其他企业将其用于个性化购物,除了您正在搜索的内容之外,还需要了解您和您喜欢的人。这些用例需要智能的基于NLP的搜索以及机器学习。
大多数人都熟悉Siri或Alexa等交互式搜索应用程序。但是,更常见的是,其他类型的应用程序正在使用某种自然语言界面。这包括BI应用程序,用户可以通过语音或文本以自然语言方式提问,并从应用程序中获得答案。
此外,机器学习正在数据管理和BI应用程序中使用,以帮助处理从数据集成到数据准备到实际分析分析的所有内容。有些应用程序为用户提供了他们可能没有想过自己寻找的见解。本报告的几个赞助商正在提供此类功能。
使用深度学习,可以训练系统识别图像和声音。系统从标记的示例中学习,以便在分类新图像或声音时变得准确。例如,可以训练计算机识别指示电动机发生故障的某些声音。这种应用正在汽车和航空中使用。虽然我们考虑在社交网络中自动标记图像,但这种技术也被用于对商业中的照片进行分类,以用于在线汽车销售或识别其他产品。
文本分析研究单词的面值,包括语法和单词之间的关系。简而言之,文本分析为您提供了意义。情感分析可以深入了解单词背后的情感。
文本分析是指从文本源中提取有用信息。这是一个广义的术语,它描述了使用元信息(如文本中提到的人和地点)对文档进行注释以及有关文档的广泛模型 (例如情感分析,文本聚类和分类)的任务。为了扩展,术语文档是一个抽象概念,可以表示更大集合中的任何连贯文本,例如WordPress帖子集合中的单个博客文章,报纸文章,维基百科上的页面等等。
在文本分析活动期间,研究人员可以开发描述文档若干方面的功能,例如:
・
该文件涉及“健康”或“旅行”。
・
电话中含有大量的负面语言。
・
网站显示特定产品。
・
推文描述了产品与产品问题之间的关系。
・
博客文章的作者可能是物理治疗师。
・
电子邮件违反合规性,因为它揭示了个人信息。
金融行业中典型的文本分析应用程序侧重于合规性和欺诈预防。在这个用例中,自然语言处理的目的是通过语义解释理解通信线程的内容,并识别跨线程的关系和实体。但是,文本分析负责确定给定消息或消息集是否违反合规性。合规部门受益于结合结构化数据(如交易和交易)以及从电子邮件和即时消息中提取的信息。使用这两种类型的数据资产,就可以推断出事务背后的意图。
金融机构面临另一个基本的合规问题 – 反洗钱。金融机构有义务筛选整个业务部门的所有交易,以防止黑名单方之间的交易。该任务涉及分析交易中包含的自由文本以及与外国资产控制办公室(OFAC)和其他政府机构的观察名单匹配的名称和实体。
一个重要的任务是将音译名称与列表中的“一个”表示相匹配。例如,Rajendra这个名字可以音译为Rajinder,Raj或Raja。对多个列表的匹配必须非常精确,因为分析师只能手动查看一小部分警报。
在保险业务中,公司拥有庞大的非结构化呼叫中心,索赔,账单和理发票据文本数据。为了更好地了解保单持有人,这些公司可以利用情绪分析来衡量他们的客户是否对他们的产品,服务和流程感到满意或不满意。文本分析可以识别产品和程序的问题区域,并且可以为改进服务或开发新产品提供指导。
情感分析是使用自然语言处理,统计和文本分析来提取和识别正文,负面或中性类别的文本情感。我们经常看到用于达成二元决策的情绪分析:有人要么支持也要反对某些东西,用户喜欢或不喜欢某些东西,或者产品是好还是坏。了解与竞争对手相关的消费者情绪具有战略性益处。情感分析可以帮助预测客户趋势,因此保持行业中其他业务的公众意见,提供了一个控制组来比较您的分数。
情感分析也称为意见挖掘,因为它包括识别消费者对公司产品,品牌或服务的态度,情感和意见。情感分析可以洞察与您的品牌相关的任何公众舆论变化,这些变化将支持或否定您的业务发展方向。高或低的情绪分数可帮助您确定重组团队或制定新创意策略的方法。
情感分析用例
情绪分析的使用经常应用于评论和社交媒体,以帮助营销和客户服务团队识别消费者的感受。在产品评论等媒体中,情绪分析可用于揭示消费者是否对产品满意或不满意。同样,公司可以使用情绪分析来衡量新产品,广告活动或消费者对社交媒体上近期公司新闻的反应的影响。
公司的客户服务代理可以使用情绪分析,根据电子邮件的情绪自动将传入的用户电子邮件分类为“紧急”或“非紧急”存储桶,主动识别受挫的用户。然后,代理可以将时间用于首先解决具有最紧急需求的用户。
情商分析通常用于商业智能,以了解消费者为什么或不对某些事物做出回应的主观原因(例如,为什么消费者购买产品?他们对用户体验的看法如何?客户服务支持是否满足他们的期望?)。情感分析也可用于政治学,社会学和心理学领域,以分析趋势,意识形态偏见,观点,规范反应等。
情绪分析的挑战
人们以复杂的方式表达观点,这使得理解人类观点的主题成为难以解决的问题。在一段文本中有几个定义的元素可以影响情感分析:对象,属性,意见持有者,意见取向和意见强度。
对象:正在分析的产品,服务,个人,业务,事件或主题
示例:iPhone
属性:对象的特定组件和属性
组件示例:电池,触摸屏,耳机插孔
属性示例:尺寸,重量,加工速度
意见持有人:表达情绪的人或企业
示例:购买iPhone的人
意见取向(极性):意见的一般立场
示例:正面,负面或中立
意见强度:意见的级别,规模或强度
示例:激动>兴高采烈>快乐>满意
为了从一段文本中获得完整,准确和可操作的信息,重要的是不仅要单独识别这五个元素中的每一个,还要了解它们如何协同工作以提供完整的背景和情感。因为关键字处理仅识别特定单词中反映的情绪,所以它无法提供理解整个作品的完整上下文所需的所有元素。
关注微信公众号“高速商务通”,马上办理ETC。