Analizzare e prevedere le opinioni con il machine learning

La sentiment analysis è il processo di comprensione dei comportamenti e delle opinioni espressi in dati di testo. Può essere utilizzata per categorizzare le affermazioni soggettive come positive, negative o neutre allo scopo di determinare le opinioni relative a un argomento. Le tecniche di machine learning vengono comunemente impiegate nella sentiment analysis per costruire modelli in grado di prevedere le opinioni in nuovi testi.

Ad esempio, le opinioni relative alle aziende vengono spesso analizzate nel settore dei servizi finanziari poiché l’opinione pubblica può influenzare i mercati finanziari. È possibile utilizzare la grande quantità di notizie e dati storici presenti nei social media per costruire un modello del “sentiment” utilizzando il machine learning; tale modello può essere successivamente impiegato per calcolare in tempo reale la valutazione di un’opinione pubblica da notizie e feed di social media che indicano l’opinione pubblica attuale.

La sentiment analysis viene impiegata nei settori finanziario, software, Internet e in molti altri. Le applicazioni della sentiment analysis includono:

  • Automazione della classificazione delle recensioni, sia positive che negative
  • Analisi dei sondaggi per comprendere le ragioni della soddisfazione o insoddisfazione dei clienti
  • Determinazione dei punteggi delle opinioni in tempo reale per l’impiego nelle strategie di trading finanziario
  • Valutazione del rischio di credito della controparte

Per saperne di più su come trarre informazioni dalle opinioni e sull’utilizzo del machine learning, consultare Text Analytics Toolbox™ e Statistics and Machine Learning Toolbox™.

Vedere anche: data science, machine learning, deep learning, elaborazione del linguaggio naturale, text mining, reti long short-term memory (LSTM)

Chiedi aiuto agli esperti

Sarah Palfreyman, Text Analytics