게시된 날짜: Mar 9, 2022
Amazon Comprehend는 기계 학습을 사용하여 텍스트 데이터에서 인사이트를 얻는 자연어 처리(NLP) 서비스입니다. 오늘부터 Comprehend는 신규 API인 Targeted Sentiment를 제공합니다. 이는 텍스트 내 엔터티에서 감정(긍정, 부정, 중립 또는 혼합)을 식별하여 더욱 세밀한 감정 인사이트를 제공합니다.
기업은 그들의 브랜드, 제품, 서비스에 대해 고객이 어떻게 느끼는지에 대한 정보를 가지고 있는 방대한 양의 소셜 미디어 포스트, 리뷰, 고객 서비스 전화/이메일, 블로그에 액세스할 수 있습니다. 고객의 소리를 이해하는 것은 고객의 피드백에 빠르게 대응하거나 제품 및 서비스의 문제점과 트렌드를 확인하기 위해 이들 기업에게 필수적입니다. 역사상 기업은 고객의 감정을 가늠할 수 있는 수동 프로세스를 이용했지만, 이는 오류가 발생하기 쉽고 규모를 확대할 수 없습니다. Targeted Sentiment를 사용하면 기업 고객과 파트너는 고객의 감정이 어느 쪽으로 표현되는지 정확히 할 수 있습니다.
고객들은 현재 Comprehend의 전반적인 감정 API를 사용하여 텍스트 전체 부분의 감정을 식별합니다. 예를 들어 “햄버거는 맛있었어요. 그런데 그것은 눅눅했어요” 같은 표현에서, 전체적인 감정 결과는 ‘복합적’입니다. 이는 비즈니스 결정에 영향을 줄만한 세부 정보를 충분히 제공하지 않습니다. Targeted Sentiment를 사용하면 결과값은 (1) 텍스트에서 엔터티를 식별하여 (2) 각 엔터티에서 감정을 찾아서 (3) 동일한 엔터티를 가진 여러 개의 언급을 그룹화합니다(즉 공동 참조-’햄버거’와 ‘그것’은 동일한 엔터티를 나타냅니다). Targeted Sentiment를 사용하면 ‘이것’(‘햄버거’를 참조하는 엔터티)은 부정적인(감정) 음식 항목(엔터티 유형)인 데 반해 ‘햄버거’(엔터티)는 음식 항목(엔터티 유형)이고 긍정적(감정)이라는 결과가 나올 것입니다.
고객은 필요한 인사이트의 유형에 따라 Sentiment 또는 Targeted Sentiment 중 하나를 사용할 수 있습니다. 예를 들어 식당 소유자가 “타코는 맛있었고 직원은 친절했습니다.” 라는 리뷰 분석을 원한다고 가정해봅시다. 식당 소유자는 전반적인 식당 리뷰가 긍정, 부정, 중립 또는 혼합인지(예시에서는 전반적인 감정이 긍정적입니다) 알기 위해 Sentiment API를 사용할 수 있습니다. 또는 식당의 어떤 것이 긍정, 부정, 중립 또는 혼합(예시에서는 ‘타코’가 긍정적이었고 ‘직원’이 긍정적이었습니다)인지 알기 위해 Targeted Sentiment를 사용할 수 있습니다. 또한 고객은 두 API를 모두 사용하여 먼저 기준선으로 전반적인 감정을 식별하고, 그리고 나서 targeted sentiment를 사용하여 감정 세부 사항(예: 특정 엔터티)을 깊게 파고들 수 있습니다.