فرادرسعقیده کاوی و تحلیل احساسات ــ کاربردها
در مطلب «عقیده‌کاوی و تحلیل احساسات ــ از مفهوم تا کاربرد»، مفاهیم عقیده‌کاوی و تحلیل احساسات با ذکر مثال‌هایی مورد بررسی قرار گرفت. همچنین، از «تحلیل نظرات متنی ارائه شده توسط مشتریان یک محصول در اینترنت» نیز به عنوان یکی از کاربردهای این مبحث یاد شد. اما، کاربردهای این حوزه بسیار گسترده‌تر از آنچه پیش‌تر بیان شد است، بنابراین در این مطلب به صورت مشروح مورد بررسی قرار می‌گیرند. لازم به ذکر است که به دلیل کاربردهای متنوع و کارآمد عقیده‌کاوی و تحلیل احساسات، تعداد قابل توجهی از شرکت‌های کوچک، متوسط و بزرگ، این زمینه را به‌عنوان بخشی از فعالیت خود و یا حتی زمینه اصلی کارشان قرار داده‌اند.
کاربردهای مرتبط با وب‌سایت‌های نقد و بررسی
از ظرفیتی که موتورهای جست‌و‌جوی نقد و بررسی محور دارند می‌توان به عنوان مبنایی جهت ساخت و خودکارسازی وب‌سایت‌های نقد و بررسی و تجمیع نظرات استفاده کرد. چنین وب‌سایت‌هایی را می‌توان به عنوان جایگزینی برای سایت‌هایی همچون «ایپنینز» (Epinions) برشمرد که بازخوردها، نظرات و نقد و بررسی‌های موجود پیرامون یک محصول را گردآوری کرده و در اختیار کاربران قرار می‌دهند. نقد و بررسی‌های قابل ارائه در چنین سایت‌هایی را می‌توان محدود به یک محصول و یا گسترده‌تر و شامل عقاید سیاسی و مباحث انتخاباتی کرد.
همچنین، کاربردهای متعددی برای فناوری‌های به کار رفته در سایت‌های سنتی گردآوری و ارائه نقد و بررسی‌ها وجود دارد. خلاصه‌سازی نظرات کاربران یک از این موارد است. در عین حال می‌توان شرایطی را متصور شد که خطاهای موجود در امتیازدهی کاربران برطرف شده باشد. در واقع، موقعیت‌هایی وجود دارد که کاربران به صورت کاملا تصادفی امتیاز منفی را انتخاب می‌کنند، در حالیکه ننقد و بررسی نوشته شده توسط آن‌ها کاملا مثبت است. علاوه بر این، شواهدی مبنی بر این وجود دارد که نظرات ارائه شده توسط کاربران دارای سوگیری و یا نیازمند اصلاح است. اقدامات لازم در این زمینه را می‌توان با استفاده از دسته‌بندهای خودکار انجام داد.
کاربردها به عنوان یک زیرمولفه فناوری
سیستم‌های تحلیل احساسات و عقیده‌کاوی دارای نقش بالقوه مهمی جهت فراهم کردن فناوری برای دیگر سیستم‌ها هستند. یکی از امور قابل انجام با استفاده از این مبحث، تقویت «سیستم‌های توصیه‌گر» (recommendation systems)، است، زیرا می‌توان چنین سیستم‌هایی را به گونه‌ای ارتقا داد که محصولات دارای بازخوردهای منفی زیادی را توصیه نکنند. شناسایی «پیام‌های تند و تیز» (ادبیات ستیزه‌جویانه) در ایمیل‌ها یا سایر انواع ارتباطات دیگر استفاده احتمالی از تشخیص ذهنیت و دسته‌بندی است.
در سیستم‌های آنلاینی که تبلیغات را به صورت نوارهای کناری در صفحه نمایش می‌دهند، عقیده‌کاوی و تحلیل احساسات روشی مناسب به منظور شناسایی صفحات وب شامل محتوای حساس نامناسب جهت قرارگیری در محل تبلیغات است. در سیستم‌های پیچیده‌تر، می‌توان از عقیده‌کاوی و تحلیل احساسات برای نمایش تبلیغات متناسب با محتوایی که نشانگر احساسات مثبت برای موضوع ارائه شده در تبلیغ است و حتی مهم‌تر، پیشگیری از نمایش تبلیغاتی که نسبت به زمینه مربوط به آن‌ها احساس منفی وجود دارد بهره برد.
از سوی دیگر، برخی پژوهشگران بر این باور هستند که استخراج اطلاعات را می‌توان با حذف اطلاعات یافت شده در جملات ذهنی ارتقا داد. پاسخ به پرسش‌ها دیگر حوزه‌ای است که تحلیل احساسات و عقیده‌کاوی می‌تواند در آن مفید واقع شود. برای مثال، پرسش‌های عقیده محور ممکن است نیاز به مواجهه‌های گوناگونی داشته باشند. «لیتا» (Lita) و همکاران پیشنهاد می‌دهند که برای پرسش‌های تشریحی، پاسخی ارائه شود که شامل اطلاعات زیادی درباره اینکه «اگر یک موجودیت چگونه دیده شود می‌تواند اطلاعات بهتری در اختیار کاربر قرار دهد» باشد.
در خلاصه‌سازی می‌توان از مزایای محاسبات جهت نقطه‌نظرات چندگانه نیز بهره‌مند شد. همچنین، امکان بالقوه‌ای برای «تحلیل استنادی» (citation analysis) با استفاده از عقیده‌کاوی و تحلیل احساسات وجود دارد که برای مثال در آن ممکن است فردی خواهان شناسایی این موضوع باشد که یک نویسنده در مطلب خود به بخشی از یک پژوهش به عنوان شواهد پشتیبان استناد کرده یا به عنوان پژوهشی که آن را رد می‌کند. به طور مشابه، در دیگر تلاش‌ها از عقیده‌کاوی و تحلیل احساسات به منظور کشف جهت‌گیری معنایی (در راستای پیگیری شهرت ادبی) استفاده شده است. به‌طور کلی، از جمله انگیزه‌های مواجهه رایانشی با عواطف، بهبود تعاملات انسان و کامپیوتر بوده است.
کاربردها در کسب‌و‌کار و هوش دولتی
عقیده‌کاوی و تحلیل احساسات برای انواع کاربردهای هوشمند مناسب هستند. در واقع، هوش تجاری (business intelligence)، یکی از فاکتورهای کلیدی نهفته در پس علاقمندی به این دو مبحث است. سناریویی که در ادامه بیان شده مفروض است.
یک تولید کننده اصلی کامپیوتر، به دلیل فروش پایین‌تر از انتظار خود ناامید شده و با این پرسش مواجه است که «چرا مشتریان لپ‌تاپ‌های ما را نمی‌خرند؟». در حالیکه داده‌هایی مانند وزن، قیمت لپ‌تاپ و قیمت محصولات ارائه شده توسط رقبا از جمله مسائل مرتبط با فروش یک محصول هستند، اما پاسخ به این سوال بیشتر نیازمند تمرکز روی دیدگاه‌های افراد در رابطه با چنین مشخصه‌های عینی است. علاوه بر این، قضاوت‌های ذهنی با توجه به سنجه‌های کیفی ناملموس مانند «طراحی محصول بی رنگ و لعاب بود» و یا «پشتیبانی مشتریان برخورد متواضعی داشت» و یا حتی اشتباهاتی مانند «درایورهای به روز رسانی شده موجود نیستند» (هنگامی که درایورهای مذکور موجودند) نیز باید در نظر گرفته شوند.
فناوری‌های تحلیل عواطف برای استخراج عقاید از مستندات ساختار نیافته نوشته شده توسط انسان‌ها می‌تواند ابزار فوق‌العاده‌ای برای مدیریت وظایف هوش تجاری باشد که با آنچه پیش از این تشریح شد مرتبط است. اکنون سناریویی که پیش‌تر بررسی شد مجددا مورد بررسی قرار می‌گیرد. نظرسنجی کردن از افرادی که محصولات شرکت را خریداری نکرده‌اند کار دشواری خواهد بود. در عوض می‌توان سیستمی را به کار گرفت که بتواند از نقد و بررسی‌ها یا دیگر عقاید موجود در وب - شامل گروه‌های خبری، وبلاگ‌های شخصی و وب‌سایت‌های تجمیع نقد و بررسی مانند Epinions - به عنوان منبعی غنی بهره ببرد - و سپس نسخه‌های فشرده‌ای از نقد و بررسی‌های کاربران یا حتی خلاصه‌ای از نظرات کاربران را بسازد.
این کار، تحلیلگر را از مطالعه حجم زیادی از نظرات مشابه بر حذر می‌دارد. لازم به ذکر است که منابع اینترنتی می‌توانند در شکل، نوع فعالیت و حتی دستور زبان مورد استفاده متفاوت باشند. این حقیقت نیاز به روش‌های مستحکم برای هنگامی که حتی فقط یک زبان در نظر گرفته شده را برجسته می‌سازد.
در کنار مدیریت شهرت و روابط عمومی، ممکن است فردی تمایل داشته باشد با پیگیری دیدگاه‌های عمومی یا دیگر داده‌های مرتبط، گرایش‌های فروش و برخی اطلاعات دیگر را پیش‌بینی کند. هوش دولتی دیگر کاربرد تحلیل احساسات و عقیده‌کاوی محسوب می‌شود. برای مثال، پیشنهاد می‌شود که یک فرد برخی منابع مورد نظر (مثلا یک شبکه اجتماعی خاص) را از جهت افزایش ارتباطات خصومت‌آمیز یا منفی مورد نظارت قرار دهد.
دیگر کاربردها
چنانچه مشهود است تحلیل احساسات و عقیده‌کاوی، کاربرد قابل توجهی در سیاست دارند. برخی از تلاش‌های انجام شده بر افکارسنجی افراد واجد شرایط رای دادن متمرکز هستند، در حالیکه پروژه‌های دیگر دارای اهداف بلند مدت‌تری مانند کشف جایگاه سیاستمداران (برای مثال چه شخصیت‌های اجتماعی آن‌ها را حمایت کرده یا علیه ایشان هستند) برای بهبود کیفیت اطلاعاتی که رای‌دهندگان به آن دسترسی دارند محسوب می‌شوند.
تحلیل احساسات و عقیده‌کاوی، به عنوان یک فناوری توانمندساز کلیدی در eRulemaking محسوب می‌شود که تحلیل خودکار عقایدی که افراد درباره سیاست‌های در حال اجرا یا لایحه‌های دولتی ارائه می‌کنند را امکان‌پذیر می‌سازد.
همچنین، شایان ذکر است که از این دانش می‌توان برای اکتشاف در وبلاگ‌های مربوط به مسائل قانونی که از آن‌ها با عنوان «blawgs» یاد می‌شود نیز استفاده کرد. هم‌افزایی عقیده‌کاوی و تحلیل احساسات با جامعه‌شناسی می‌تواند بسیار پربار واقع شود. برای مثال، این مساله که ایده‌ها و نوآوری‌ها چگونه انتشار یافته و عمومی می‌شوند، نیازمند پاسخ به این پرسش است که چه کسانی به طور مثبت یا منفی به آن ایده یا نوآوری گرایش داشته‌اند و بر همین اساس کشف این است که چه کسانی کمتر یا بیشتر پذیرای انتقال اطلاعات خاصی هستند. در نهایت، این مثال را می‌توان در نظر گرفت که «نظریه توازن ساختار» (structural balance theory) به طور متمرکز به قطبش گره‌های بین افرد و ارتباط آن با انسجام گروهی می‌پردازد. این ایده‌ها در حال حاضر برای رسانه‌های اجتماعی استفاده و اجرا می‌شود.
اگر نوشته بالا برای شما مفید بود، آموزش‌های زیر نیز به شما پیشنهاد می‌شوند:
- آموزش تحلیل شبکه‌های اجتماعی با نرم افزار نود ایکس ال (NodeXL)
- آمار، احتمالات و داده‌کاوی
- مجموعه آموزش‌های هوش محاسباتی
- درک تجربه مشتری، کلید موفقیت هر شرکتی است
^^
