Veröffentlicht am: Mar 9, 2022
Amazon Comprehend ist ein NLP-Service (Natural-Language-Processing), der Machine Learning nutzt, um Erkenntnisse aus Textdaten zu gewinnen. Ab heute bietet Comprehend Targeted Sentiment an, eine neue API, die detailliertere Einblicke in die Stimmung bietet, indem sie die Stimmung (positiv, negativ, neutral oder gemischt) gegenüber Entitäten im Text identifiziert.
Unternehmen haben Zugang zu riesigen Mengen von Beiträgen in sozialen Medien, Bewertungen, Anrufen/E-Mails des Kundendienstes und Blogs, die Aufschluss darüber geben, wie Kunden über ihre Marken, Produkte und Dienstleistungen denken. Die Stimme des Kunden zu verstehen, ist für diese Unternehmen von entscheidender Bedeutung, um schnell auf Kundenfeedback zu reagieren oder Probleme/Trends in ihrem Angebot zu erkennen. In der Vergangenheit haben Unternehmen manuelle Prozesse eingesetzt, um die Kundenstimmung zu bewerten, aber diese Praxis ist fehleranfällig und lässt sich nicht skalieren. Mit Targeted Sentiment können Unternehmenskunden und -partner genau feststellen, worauf die Stimmung ihrer Kunden ausgerichtet ist.
Kunden nutzen derzeit Comprehends allgemeine Sentiment-API, um das Sentiment für einen ganzen Textblock zu ermitteln. Bei Aussagen wie "Der Hamburger war köstlich, aber matschig" lautet die Gesamtbewertung"gemischt", was nicht genug Details liefert, um Geschäftsentscheidungen zu beeinflussen. Mit Targeted Sentiment werden in der Ausgabe (i) die Entitäten im Text identifiziert, (ii) die Stimmung gegenüber jeder Entitätserwähnung ermittelt und (iii) mehrere Erwähnungen derselben Entität gruppiert (d. h. Ko-Referenz; "Hamburger" und "er" beziehen sich auf dieselbe Entität). Mit Targeted Sentiment wird die Ausgabe zeigen, dass "Hamburger" (Entität) ein Lebensmittel (Entitätstyp) ist und positiv (Sentiment) ist, während "er" (Entität, die auf "Hamburger" verweist) ein Lebensmittel (Entitätstyp) ist, das negativ (Sentiment) ist.
Je nachdem, welche Art von Erkenntnissen sie benötigen, können die Kunden entweder das Sentiment oder das gezielte Sentiment nutzen. Nehmen wir zum Beispiel an, ein Restaurantbesitzer möchte die Bewertung "Die Tacos waren köstlich und das Personal war freundlich" auswerten. Der Eigentümer würde die Sentiment-API verwenden, um zu erfahren, ob die Gesamtbewertung des Restaurants positiv, negativ, neutral oder gemischt war (in diesem Beispiel ist die Gesamtbewertung positiv). Alternativ dazu könnte der Besitzer die gezielte Stimmung nutzen, um zu erfahren, was im Restaurant positiv, negativ, neutral oder gemischt ist (in diesem Beispiel waren "Tacos" positiv und "Personal" positiv). Die Kunden können auch beide APIs nutzen, um zunächst die allgemeine Stimmung als Grundlage zu ermitteln und dann die gezielte Stimmung zu nutzen, um die Details der Stimmung zu untersuchen (z. B. bestimmte Entitäten).
Um mehr zu erfahren und loszulegen, besuchen Sie die Amazon Comprehend Produktseite oder die Dokumentationsseite.