感情分析

感情分析とは?

感情分析は、テキストで表現された主観的な要素を特定することにより、それらのテキストを分類するプロセスです。たとえば、テキストは肯定的、中立的、否定的のいずれかに分類でき、多くの場合、感情の強さを示すスコアで表現することが可能です。

感情分析の例。

感情分析の例。

感情分析の用途

感情分析はほぼすべての産業分野で使用されています。たとえば以下の用途があります。

  • より良い製品やプロセスの設計を行うため、顧客調査やソーシャルメディアのテキストから得られた感情スコアを使用し、問題点とギャップを特定
  • 財務報告書やニュース記事の感情スコアを使用した、取引のための資産選択モデルの構築

感情分析の手法

感情分析ではテキスト解析を使用します。これは、自然言語処理機械学習ディープラーニングのアルゴリズムを組み合わせて、分類モデルの構築と感情スコアの推定を行うものです。以下は、感情分析の最も一般的な 2 つのアプローチです。

  • あらかじめ作成された辞書の使用: さまざまな極性 (肯定的/否定的など)、情動 (怒り/悲しみ/不満など)、または数値的尺度で、さまざまな単語を分類した既存の辞書から始めることができます。その後、この辞書を使用して感情分析モデルを構築し、テキスト内にある個々の単語の感情を予測して、最終的に個々のスコアを組み合わせてテキストの全体的な感情スコアを算出できます。
  • あらかじめラベル付けされたドキュメントの使用: 各ドキュメント (レビュー、ツイート、その他のひとまとまりのテキスト) をさまざまな感情に分類した、あらかじめラベル付けされたデータセットから、ディープラーニング手法を使用して感情分析モデルを構築することも可能です。その後、そのモデルを使用して、新しいドキュメントの感情を予測することができます。
Sentiment Analysis

10-K および 10-Q レポートから生成されたワードクラウドの感情レキシコン。

感情分析を含むテキストデータのインポート、探索、可視化、モデルの構築の詳細については、Text Analytics Toolbox™をご確認ください。

参考: 自然言語処理, word2vec, n-gram, 語幹化, レンマ化, MATLAB によるテキストマイニング, データサイエンス, ディープラーニング, Deep Learning Toolbox™, Statistics and Machine Learning Toolbox™, リカレントニューラルネットワーク