投稿日: Mar 9, 2022
Amazon Comprehend は、機械学習を使用してテキストからインサイトを見つける自然言語処理 (NLP) サービスの 1 つです。本日より、Comprehend でテキスト内のエンティティに対する感情（ポジティブ (肯定的) 、ネガティブ (否定的) 、ニュートラル (中立的) 、または混在）を識別することで、より詳細な感情のインサイトを提供する新しい API として Targeted Sentiment が提供されます。
企業は、顧客が自社のブランド、製品、サービスについてどのように感じているかについての情報を含む、膨大な量のソーシャルメディアの投稿、レビュー、カスタマーサービスコール/E メール、およびブログにアクセスできます。これらの企業は、顧客のフィードバックに迅速に対応したり、サービスに対する問題や傾向を特定したりするために、顧客の声を理解することが不可欠です。これまで、企業は顧客の感情を評価するために人手に頼ってきましたが、この方法では誤りが発生しやすく、拡張性がありません。Targeted Sentiment を使用すれば、顧客企業やパートナーは、顧客の感情がどのように表現されているかを正確に特定できます。
現在は、Comprehend の総合的な Sentiment API を使用して、テキストブロック全体の感情を識別できます。「ハンバーガーは美味しかったが、それはねっとりしてた」などの発言の場合、全体的な感情の出力は「混在」になり、ビジネス上の意思決定を下すための十分な詳細を提供していません。Targeted Sentiment を使用すると、出力は (i) テキスト内のエンティティを識別し、(ii) 各エンティティの言及に対する感情を見つけ、(iii) 同じエンティティ（共参照、「ハンバーガー」と 「それ」は同じエンティティを指す）が複数ある場合には言及をグループ化します。出力には「ハンバーガー」（エンティティ）が食品（エンティティタイプ）として表示され、ポジティブ（感情）であることが示されます。「それ」（エンティティは「ハンバーガー」を指す）は食品（エンティティタイプ）で、 ネガティブ（感情）です。
必要なインサイトの種類に応じて、Sentiment または Targeted Sentiment のどちらかを使用できます。例えば、レストランのオーナーが「タコスは美味しく、スタッフはフレンドリーでした。」というレビューを分析するとします。 オーナーは Sentiment API を使用して、このレビュー全体がポジティブ、ネガティブ、ニュートラル、または混在であることを確認します（この例では、全体的な感情は肯定的です）。または、オーナーは Targeted Sentiment を使用して、レストランの何がポジティブ 、ネガティブ 、ニュートラル、または混在であるかを確認します（この例では、「タコス」はポジティブで、「スタッフ」はポジティブでした）。両方の API を使用し、最初に全体的な感情をベースラインとして識別し、次に Targeted Sentiment を使用して感情の詳細（特定のエンティティなど）に掘り下げることもできます。