Pagproseso ng Wika - Mga Computer na Bumabasa at Nag-iinterpret

Ang social media ay naging mahalagang bahagi ng kung paano nakikipag-ugnayan at nakikipag-usap ang mga tao. Bilyun-bilyong mensahe ang ipinapadala araw-araw sa iba't ibang platform, maging sa pagpo-post nang publiko o pagmemensahe nang direkta. Ang mga public figure, organisasyon, at iba pang entity ay nagbabahagi ng mga pahayag at opinyon kaugnay ng iba't ibang paksa at direktang pampublikong diskurso sa mga pangkalahatang publiko. Dahil sa malaking dami ng mga komento at mensahe na nakadirekta sa mga social media account, posibleng matukoy ang pangkalahatang damdamin.

Mayroong pagkakataon upang masukat ang damdaming ipinahayag sa antas na macro sa pamamagitan ng social media. Tuklasin ng artikulong ito ang artificial intelligence at ang aplikasyon nito sa social media at iba pang pinagmumulan ng tekstwal na impormasyon na may mga undertone ng sentimentality sa loob nito at kung paano ito ipapatupad sa loob ng iyong organisasyon.

Paglutas ng Problema sa pamamagitan ng Artificial Intelligence

Dahil sa napakalaking dami ng impormasyong nalilikha at iniimbak araw-araw, naglalaman ang ilang data points ng malawak na pananaw. imposibleng para sa isang tao o kahit bilyun-bilyong tao na basahin ito. Ang kasalukuyang teknolohiya sa computing ay nagpapahintulot sa atin na mag-imbak, mag-index at magbawi ng napakalaking dami ng impormasyon. Sa kasaysayan, mas maraming hirap sa pag-interpret ng data at pagkuha ng kapaki-pakinabang na impormasyon at pananaw.

Mapapakinabangan na iproseso ang napakalaking dami ng impormasyon at hayaan ang mga computer na i-scan ang data at magbigay ng mga pananaw. Sa mga nakaraang taon, iba't ibang pamamaraan sa espasyo ng text analytics ang lumitaw, na marami sa mga ito ay gumagamit ng artificial intelligence/machine learning. Ang pagtuklas ng sentimiyento sa pananalita ay nangangailangan ng gold-standard na mga lexicon na nagbibigay ng konteksto ng textual input.

Isa sa mga ganitong approach para matukoy ang textual language sentiment ay i-feed ang mga lexicon na ito sa isang unsupervised learning algorithm; tiyak na, gumagamit ng ganitong approach ang VADER (Valence Aware Dictionary and sEntiment Reasoner). Marami pang ibang method ang umaasa sa mas traditional na machine learning techniques, bagama't ang bentahe ng VADER ay ito ay kayang mag-operate sa near real-time.

Ang mga sistema ng pagsusuri ng damdamin ay karaniwang lumilikha ng mga sumusunod na tipikal na output kapag pinakain ng mga textual input na nagbibigay ng categorical interpretation sa underlying text:

Positibo - Ang tekstual na nilalaman ay may positibong undertone at sentimentality
Neutral - Ang textual content ay may negatibong undertone at sentimentality
Negatibo - Ang tekstong nilalaman ay may negatibong undertone at sentimentality

Mahalagang tandaan na ang mga tao ang nag-curate ng mga lexicon sa loob ng maraming taon, na nagbibigay-diin na ang mataas na kalidad na data ay kinakailangan upang ang mga artificial intelligence system ay gumana nang mahusay at makamit ang mga ninanais na layunin.

Pangkalahatang-ideya ng Hamon sa Organisasyon

Sa pagkakaroon ng maraming communications endpoint at laki ng kung ano ang pinaiikot ng mga organisasyon, mahirap subaybayan ang sentimentality sa buong organisasyon. Ang mga empleyado at customer ay maaaring kumalat sa iba't ibang rehiyon, lugar o departamento kung saan ang mga stakeholder at customer ay nagpapakita ng positibong sentimentality habang ang iba ay kumakatawan sa negatibong sentimentality. Kaya, mahirap tukuyin ang sentimentality sa buong spectrum ng kung saan nagpapatakbo ang isang organisasyon.

Mahalaga na maunawaan ang mga pangkalahatang pananaw ng organisasyon parehong panloob at panlabas. Sa tradisyon, ang mga survey ang nagsasagawa ng tungkuling ito, bagama't ang mga ito ay maaaring may bias batay sa mga indibidwal na ginaganyak na sagutan ang mga ito. Ang paggamit ng social media at iba pang pinagmumulan ng data ay maaaring mag-ambag sa pag-unawa sa sentimiyento ng organisasyon. Bilang halimbawa, isang multinasyonal at kilalang-kilalang tatak ng damit tulad ng Adidas, na may presensya sa iba't ibang bansa na nagnegosyo sa iba't ibang wika sa iba't ibang kultural na background. Iba't ibang antas ng sentimiyento ay malamang na mapansin sa iba't ibang rehiyon. Ang pagtukoy sa negatibong sentimiyento ay isang magandang paraan upang matugunan ang mga sanhi nito, na nagreresulta sa mas maraming benta at, sa gayon, nag-aambag sa bottom line.

Data na Organisasyonal na Magagamit bilang Input ng AI

Ang sumusunod ay mga listahan ng mga potensyal na pinagmulan ng data na maaaring magamit bilang paraan ng pagsusuri ng damdamin:

Mga platform ng social media kabilang ang Facebook, Twitter, Instagram, TikTok
Mga sistema ng pamamahala sa relasyon ng kliyente kabilang ang Salesforce, Microsoft CRM
Mga email at liham na organisasyonal na ipinapadala sa pagitan ng mga empleyado at customer
Ang mga call centre system tulad ng Cisco at Google Voice ay may kakayahang magbigay ng mga transkripsyon ng mga pag-uusap
Mga review aggregator tulad ng Google at Facebook reviews na nagra-rank sa mga nakalistang negosyo sa pagitan ng 1-5 na bituin

Nagpapakita ang ilang isyu sa data kapag pinagsasama ang impormasyon mula sa maraming pinagmulan. Isang halatang problema ay kung paano mag-uugnay ng mga customer sa iba't ibang dataset nang tumpak. Sa pag-aaral ng kasong ito, iminumungkahi naming tratuhin ang mga ito bilang mga malayang entidad upang matuklasan ang pinagsamang damdamin sa buong organisasyon at hindi nakatuon sa antas ng indibidwal. Dahil sa haba ng tekstong input, ang mga istruktura ng data ay dapat maingat na piliin pareho sa database schema at sa loob ng iba't ibang script na ginamit upang iproseso ang data mismo.

Methodology ng Integration

Ang sumusunod ay isang pangkalahatang-ideya ng proseso na isasagawa namin sa isang mataas na antas upang suriin ang mga tekstong pinagmulan sa loob ng isang organisasyon:

Tukuyin ang mga textual reference at ang mga system na nagkuha nito, tukuyin kung aling teksto ang angkop na kandidato para sa pagsusuri
Hugutin ang mga textual na pinagmulan sa pamamagitan ng REST APIs at pakainin ang mga ito sa isang cloud-computing provider para sa real-time na pagsusuri
Ipasa ang mga feed sa Telemus AI™ at ibalik ang mga pinalawig na video feed pabalik sa sistema ng pagsubaybay sa seguridad
Mag-set up ng mga customised alert sa mga tauhan ng seguridad batay sa nakitang bagay

Dahil inaalagaan ng Telemus AI™ ang karamihan sa trabaho, maaaring tumuon ang organisasyon sa business logic at pag-iinterpret sa mga resulta sa halip na sa technical implementation.

Mga Organisational Application

Naglilista ang sumusunod ng iba pang mga potensyal na aplikasyon para sa iyong organisasyon:

Mag-scan ng online social media endpoints sa buong organisasyon at tukuyin ang pangkalahatang sentiment.
Subaybayan ang mga nota ng customer sa mga CRM system tulad ng Salesforce upang matukoy ang nilalaman ng mga nota.
Pagsusuri sa mga email upang makakuha ng pangkalahatang aggregate metric ng sentiment sa buong organisasyon.
Awtomatikong iproseso ang mga transcript ng pag-uusap sa telepono at tukuyin ang parehong positibo at negatibong karanasan ng customer.
Pagsusuri sa feedback na naiwan sa mga review aggregator website pati na rin ang rating.
Awtomatikong pag-detect sa antisocial behaviour na isinasagawa sa pamamagitan ng digital mediums at pagkontra dito bago ito lumala na humantong sa pagpapabuti ng karanasan ng user.

Dahil maraming data sources na karaniwang naa-access ang mga organisasyon, inirerekomenda naming ipasa ang mga ito sa isang data lake bago pakainin sa isang artificial intelligence system; makakatulong ito sa pagtiyak ng repeatability at audibility.

Mga Potensyal at Narealisang Benepisyo

Ang isang mas detalyadong pag-unawa sa mga pangkalahatang pananaw ng isang organisasyon kapwa sa loob at sa labas ay nagbibigay ng mahahalagang benepisyo sa pamamahala ng mga relasyon nang proactive. Ang pag-interpret at pagpapatupad ng feedback ay maaaring magbigay ng mas mabuting produkto o serbisyo sa mga stockholder at customer. Sa isang lalong nagiging digital na mundo, kailangan ng mga organisasyon na maunawaan kung ano ang sinasabi ng kanilang digital footprint tungkol sa kanila. Ang karagdagang pag-unawa sa demographic makeup kung saan nagmumula ang ganitong feedback ay maaari ring makatulong sa pagpapabuti ng mga karanasan para sa lahat.

Ang Telemus AI™ ay isang kumpanya ng artificial intelligence na nakabase sa Australia na nagbibigay ng mga advanced na solusyon sa gobyerno at enterprise. Makipag-ugnayan sa amin ngayon para sa isang libreng konsultasyon kung paano maaring i-embed ang Telemus AI™ sa iyong organisasyon.

Mga Tag

Pagsusuri ng Damdamin sa Social Media