Category: Next Step

Wird Sentiment Analysis Produkt-Reviews vereinfachen?

3 Minuten Lesezeit |┬áStimmungen und Meinungen sind wichtig. Viele Firmen sammeln diese Informationen ihrer Kunden und werten sie aus. Produkt-Reviews sind seit jeher ein wichtiger Forschungsgegenstand der Sentiment Analysis. Bisher hat es aber noch kein System geschafft, Produkt-Reviews so aufzuarbeiten, dass das Lesen Spa├č macht.

Sentiment Analysis beschreibt die Extraktion von Stimmungen aus beispielsweise Texten. Die ersten Ans├Ątze beschr├Ąnkten sich auf einen Dictionary-Ansatz, bei dem┬áhinter jedem Wort ein bestimmter Sentiment-Wert lag, deren Summe am Ende berechnet wurde (positiv oder negativ). Um mehr textuellen Kontext aus den Worten und Phrasen zu bekommen, wurden N-Gram-Modelle genutzt. Damit konnte man beispielsweise Verneinungen und Phrase detektieren. Der aktuelle State-of-the-Art arbeitet mit Deep Learning Netzen (Beispiel: A Deep Neural Architecture for Sentence-level Sentiment Classification in Twitter Social Networking).

pro-vs-con

Beste Pro vs. Contra Bewertung des Buches “Homo Deus“. Quelle:┬áamazon.com

Dadurch wird die Sentiment Analysis immer robuster. Es ergeben sich viele Anwendungsfelder, die vorher nicht m├Âglich waren. Ein spannendes Feld sind Produkt-Reviews. Jeder kennt es, jeder hasst es. Produkt-Reviews sind meist nach Sternen sortiert. Trotzdem k├Ânnen die Texte der Reviews einen positiven sowie negativen Teil enthalten. Will man verstehen, warum eine Sternebewertung zustande kommt, muss man den kompletten Text lesen.

Die L├Âsung: Eingef├Ąrbte Textstellen (positiv / negativ) w├╝rden┬ádas Lesen und Reviews vereinfachen und schnellere Kaufentscheidungen forcieren.┬áEs h├Ątte also einen positiven Effekt f├╝r den K├Ąufer sowie den H├Ąndler.

block-review

Ein spannendes Review (Homo Deus) das von vielen Usern sicher ungelesen bleibt. Quelle: amazon.com

F├╝r wen lohnt es sich?

Von farblich aufgearbeitete Reviews k├Ânnten┬áalle Akteure profitieren:

  • Plattformbetreiber – Reviewer k├Ânnen weiterhin ausf├╝hrliche Reviews schreiben, denn diese werden f├╝r sie aufgearbeitet. Es wird also mehr Aktivit├Ąt erzeugt.
  • Reviewer – K├Ânnen sich auf den Inhalt konzentrieren, das die Formatierung f├╝r sie erledigt wird. Da mehr Leute ihre ausf├╝hrlichen Reviews lesen, werden sie dadurch befl├╝gelt, mehr Content zu liefern.
  • H├Ąndler – Kriegt die Reviews f├╝r sein Produkt besser aufgearbeitet und kann gegensteuern bzw. besser an den┬ádie Kontrapunkten seines Produktes arbeiten.





Blut geleckt?

Du hast Blut geleckt und willst dich mit Sentiment Analysis besch├Ąftigen. Hier zeigen wir dir, was du tun must:

  1. Lies diesen Artikel ­čśë der Klassiker (hier)
  2. Schau dir die Demo an und besch├Ąftige dich mit den Dokumenten (hier)
  3. Videos, Videos, Videos! Dan Jurafsky und Chris Manning auf Youtube (hier)
  4. Was ist State of the Art? Wir sagen es euch im Science Radar

Predictive Art – Kunst und Machine Learning

So kann jeder ein K├╝nstler werden. Fr├╝her ben├Âtigte man viel Training und viel Zeit, um ein Bild zu malen, Musik zu komponieren und andere k├╝nstlerische Neigungen auszuleben. Mit Deep Learning kann nun theoretisch jeder zum “K├╝nstler” werden und Kunstwerke erstellen lassen. Mit diesen Tools werdet ihr zum K├╝nstler.

Von der Bitmap zum Kunstwerk

Darstellung wie NeuralDoodle das Bild erstellt

Credits: github/alexjc

Mit Neural Doodle ist es m├Âglich aus einer einfachen Bitmap ein komplexes Kunstwerk zu machen. Das funktioniert mit semantischen Transfer-Learning. Das spannende ist, dass die Maschine die Bedeutung im Bild einsch├Ątzen kann und das Bild dann so komponiert, wie es passen sollte. Diese Parameter k├Ânnen noch einem Tuning unterzogen werden, wodurch die abstraktesten Bilder entstehen k├Ânnen.

Das schwarzwei├če Farbbild

Bild eines schwarzwei├čen Leuchtturms sowie eines colorierten.

Credits: github/pavelgonchar

ColorNet hilft dabei, Schwarzwei├č-Bildern wieder Leben einzuhauchen. Auch hier kommt semantisches Transfer-Learning zum Einsatz. Mit einer selbstgemalten Bleistiftskizze k├Ânnte man somit schnell ein sch├Ânes coloriertes Bild erhalten.

 

Semantisches Bildverst├Ąndnis

Das der Algorithmus nicht nur nach einem Regelset arbeitet, sondern semantische Beziehungen lernt, ist hier besonders wichtig. Damit kann man in Zukunft durchaus spielen. Bilder k├Ânnten dann merkw├╝rdige, surreale oder anst├Â├čige Situationen komponieren. Apropos komponieren, auch f├╝r Texte sowie Musik gibt es spannende Modelle.

Der Geschichtenerz├Ąhler

Bild das neural Storyteller nutzt, um eine Geschichte zu erz├Ąhlen.

Credits: github/ryankiros

Ein einfaches Bild gen├╝gt als Input und der Neural-Storyteller erz├Ąhlt dir eine Geschichte zu dem Bild. Ein gut dokumentierter Urlaub w├╝rde ausreichen, um eine spannende Geschichte zu erz├Ąhlen. Vielleicht kann man dabei sogar seinen Urlaub noch einmal durch eine Maschine reflektieren. Was aber viel wichtiger ist: man kann erlebtes oder eben nicht erlebtes in Bildern ausdr├╝cken und so den Zugang zu einer Story finden.

Klingt das nicht spannend? Filme k├Ânnten wie B├╝cher wahrgenommen werden, sogar f├╝r blinde Menschen ist das spannend.

Predictive Music

Logo Deepjazz

Credits: github/jisungk

Ein Blick in die Zukunft der Musik gibt Biaxial-RNN-Music und DeepJazz. Musik kann aus verschiedenen kleinen Patches von Musikst├╝cken komponiert werden. Weiche ├ťberg├Ąnge, harte ├ťberg├Ąnge, dramatisch oder entspannt. Das alles kann der Algorithmus leisten. So k├Ânnte in Zukunft Musik komponiert werden. Musik k├Ânnte somit vom linearen Medium zum personalisierten Erleben werden. Spannend, wenn man bedenkt, dass viele Medien aktuell von linear zu personalisiert wechseln und somit immer mehr Menschen und Zielgruppen ansprechen.



Was bleibt?

F├╝r K├╝nstler entstehen in diesen Tagen viele Tools, die ihnen helfen k├Ânnen, ├╝ber ihre Kunst zu reflektieren. Was sieht der Algorithmus in meiner Kunst? Wie interpretiert er sie? Au├čerdem k├Ânnen diese Algorithmen helfen, denn richtig eingesetzt, f├Ârdern sie die Kreativit├Ąt der K├╝nstler. Kunst und K├╝nstliche Intelligenz kann Hand in Hand gehen. Kunst k├Ânnte sich vom linearen Medium zum personalisierten Erleben verschieben und somit f├╝r verschiedene Zielgruppen viel interessanter werden. Auch in der Werbung k├Ânnten diese Algorithmen Anwendung finden: personalisierte Sounds, Bilder und Texte, die sich je nach Person und deren Einstellung sowie Emotionen ver├Ąndert.
K├╝nstliche Intelligenz ist f├╝r die Kunst ein interessantes Reflektionsmedium!