วิเคราะห์ความรู้สึกในข้อความ

ด้วย Amazon Comprehend

ในบทแนะนำสอนการใช้งานทีละขั้นตอนนี้ คุณจะได้เรียนรู้วิธีใช้ Amazon Comprehend เพื่อวิเคราะห์ความรู้สึก

Amazon Comprehend ใช้แมชชีนเลิร์นนิ่งเพื่อค้นหาข้อมูลเชิงลึกและความสัมพันธ์ที่อยู่ในข้อความ Amazon Comprehend จัดให้มี API สำหรับการแยกวลีสำคัญ การวิเคราะห์ความรู้สึก การจำแนกแยกแยะวัตถุ การสร้างแบบจำลองหัวข้อ และการตรวจจับภาษา เพื่อให้คุณสามารถนำการประมวลผลภาษาธรรมชาติมารวมในแอปพลิเคชันของคุณได้อย่างง่ายดาย

เมื่อใช้ Amazon Comprehend ผู้สร้างเนื้อหาและนักการตลาดจะสามารถเข้าใจความชอบของลูกค้าได้อย่างง่ายดาย เพื่อปรับแต่งคำแนะนำเฉพาะตัวบุคคล นอกจากนี้ องค์กรต่างๆ ตั้งแต่ร้านค้าปลีกไปจนถึงหน่วยงานกฎหมาย ยังสามารถใช้ Amazon Comprehend เพื่อวิเคราะห์ข้อมูลในปริมาณสูงเพื่อค้นหาข้อมูลเชิงลึกได้อย่างง่ายดาย

ในสถานการณ์ตัวอย่างในบทแนะนำสอนการใช้งานของเรา คุณกำลังวางแผนการท่องเที่ยว และต้องการหาหนังสือการท่องเที่ยวที่มีประโยชน์ คุณได้เลือกหนังสือเล่มหนึ่ง และต้องการประมวลผลคำวิจารณ์โดยใช้ Amazon Comprehend เพื่อให้เข้าใจว่าลูกค้ารายอื่นๆ เห็นว่าหนังสือเล่มนี้มีคุณค่าหรือไม่

เพื่อแก้ปัญหานี้ คุณจะเข้าสู่ระบบในคอนโซลของ Amazon Comprehend คุณจะใช้ API Explorer เพื่อเรียกใช้การวิเคราะห์ความรู้สึก ตลอดจนทดสอบคุณสมบัติการตรวจหาวัตถุและการแยกวลีสำคัญ

บทแนะนำสอนการใช้งานนี้ต้องใช้บัญชี AWS

ไม่มีค่าใช้จ่ายเพิ่มเติมใดๆ ในการใช้ Amazon Comprehend สำหรับบทแนะนำสอนการใช้งานนี้ ทรัพยากรต่างๆ ที่คุณสร้างขึ้นในบทแนะนำสอนการใช้งานนี้จะมีสิทธิ์ใช้งานแบบ Free Tier 

ข้อมูลเพิ่มเติมเกี่ยวกับ Free Tier >>


ขั้นตอนที่ 1: เข้าสู่ Amazon Comprehend Console

เปิด AWS Management Console เพื่อให้คุณเปิดคำแนะนำทีละขั้นตอนนี้ค้างไว้ได้ เมื่อหน้าจอโหลดข้อมูลแล้ว ให้ใส่ชื่อผู้ใช้และรหัสผ่านของคุณเพื่อเริ่มต้นใช้งาน จากนั้นพิมพ์ Comprehend ในแถบค้นหา และเลือก Amazon Comprehend เพื่อเปิดคอนโซลบริการ

Step1-AWS Management Console

(คลิกเพื่อขยาย)


ขั้นตอนที่ 2: เริ่มต้นใช้งาน Amazon Comprehend

ในขั้นตอนนี้ คุณจะได้สำรวจคุณสมบัติ Sentiment Analylsis ของ Amazon Comprehend เพื่อทำความเข้าใจความรู้สึกของคำวิจารณ์หนังสือทั้งสามนี้ เพื่อช่วยระบุว่าคุณจะต้องการซื้อหนังสือเล่มนี้หรือไม่

คำวิจารณ์ที่ 1:
“ฉันแค่อยากจะค้นหาสถานที่ที่ดีจริงๆ แห่งใหม่ที่ฉันไม่เคยไปเที่ยวมาก่อน แต่โชคร้ายที่ไม่เจอ บางแห่งที่เสนอมานั้นแย่จริงๆ… ฉันแทบจะอดหัวเราะไม่ได้ ข้อเสนอแนะส่วนใหญ่เป็นเมืองใหญ่ๆ ร้านอาหารและบาร์ที่คุณพบได้ทั่วไป ไม่มีอะไรที่แปลกใหม่เลย ฉันไม่อยากไปสนุกในสถานที่เหล่านี้หรอก ไม่คุ้มเลยจริงๆ ที่ซื้อมา”

คำวิจารณ์ที่ 2:
“หนังสือเล่มนี้สวยจริงๆ ฉันไม่ได้วางแผนว่าจะไปเที่ยวที่ไหนเลยเมื่อพบกับหนังสือเล่มนี้ และเพิ่งจะเริ่มเปิดผ่านๆ เพื่อดูตามหน้าต่างๆ ฉันชอบภาพถ่ายหน้าปกและภาพถ่ายเคลือบมันขนาดใหญ่ทั้งหมดในหนังสือเล่มนี้จริงๆ John Smith สร้างผลงานถ่ายภาพได้อย่างยอดเยี่ยม ฉันได้พบที่พักสมบูรณ์แบบแล้วบนโต๊ะกาแฟของฉัน ฉันกำลังวางแผนไปเที่ยวปารีสและบาร์เซโลนาในเร็วๆ นี้ และฉันรู้ว่ามันจะสะดวกมาก ในขณะเดียวกัน ยังเหมาะสำหรับการช่วยเหลือนักท่องเที่ยวที่ใช้เก้าอี้รถเข็นอีกด้วย”

คำวิจารณ์ที่ 3:
“ในฐานะนักเดินทาง ฉันชื่นชอบการอ่านเรื่องราวของสถานที่ท่องเที่ยวดีๆ เหล่านี้จริงๆ ผู้เขียนพาคุณไปเที่ยวทั่วโลกเลย แม้ว่าในปัจจุบันจะมีข้อมูลฟรีทั้งหมดทางออนไลน์ก็ตาม ฉันคิดว่าฉันจะนำหนังสือเล่มนี้ติดตัวไปด้วยทุกแห่งที่ไป และใช้เพื่อค้นหาจุดท่องเที่ยวนอกเส้นทางหลัก”


ขั้นตอนที่ 2 ก.: คลิกปุ่ม Get Started (เริ่มต้นใช้งาน) ในคอนโซล เพื่อเริ่มต้นใช้บริการและทดสอบคุณสมบัติต่างๆ

Step2-Get-started-Comprehend

(คลิกเพื่อขยาย)


ขั้นตอนที่ 3: ป้อนข้อความที่จะวิเคราะห์สำหรับคำวิจารณ์ที่ 1

ตอนนี้ เราจะมาเริ่มต้นด้วย Amazon Comprehend API Explorer เพื่อวิเคราะห์คำวิจารณ์ของลูกค้าว่าเป็นความรู้สึกในเชิงบวก ลบ หรือปะปนกัน คุณสามารถป้อนตัวอักษรได้ไม่เกิน 1,000 ตัวในช่องข้อความ

คำวิจารณ์ที่ 1:
“ฉันแค่อยากจะค้นหาสถานที่ที่ดีจริงๆ แห่งใหม่ที่ฉันไม่เคยไปเที่ยวมาก่อน แต่โชคร้ายที่ไม่เจอ บางแห่งที่เสนอมานั้นแย่จริงๆ… ฉันแทบจะอดหัวเราะไม่ได้ ข้อเสนอแนะส่วนใหญ่เป็นเมืองใหญ่ๆ ร้านอาหารและบาร์ที่คุณพบได้ทั่วไป ไม่มีอะไรที่แปลกใหม่เลย ฉันไม่อยากไปสนุกในสถานที่เหล่านี้หรอก ไม่คุ้มเลยจริงๆ ที่ซื้อมา”


ขั้นตอนที่ 3 ก.: ป้อนข้อความจากคำวิจารณ์ที่ 1 ลงในหน้าต่าง API Explorer และเลือก Analyze (วิเคราะห์)

sentiment-3A

(คลิกเพื่อขยาย)


ขั้นตอนที่ 3 ข.: เปิดแผงแถบข้างของ Sentiment Analysis (วิเคราะห์ความรู้สึก)

เมื่อคุณเปิดแผงแถบข้างของ Sentiment Analysis (วิเคราะห์ความรู้สึก) แล้ว คุณจะเห็นการวิเคราะห์สำหรับคำวิจารณ์แรก คุณจะเห็นว่ามีผลลัพธ์ต่างๆ สำหรับความรู้สึกในเชิงบวก ลบ และปะปนกันในคำวิจารณ์ ผลลัพธ์บ่งชี้ว่าเป็นคำวิจารณ์ในเชิงลบ และได้รับคะแนนที่ต่ำสำหรับคำวิจารณ์ในเชิงบวกหรือปะปนกัน  

sentiment-3B

(คลิกเพื่อขยาย)


ขั้นตอนที่ 4: ป้อนข้อความที่จะวิเคราะห์สำหรับคำวิจารณ์ที่ 2

ตอนนี้ เราจะมาดูว่าการวิเคราะห์บ่งบอกถึงอะไรสำหรับคำวิจารณ์หนังสือคำถัดไป คุณจะทำสิ่งที่ทำในขั้นตอนที่ 3 ซ้ำ เพื่อประมวลผลคำวิจารณ์ที่ 2

คำวิจารณ์ที่ 2:
“หนังสือเล่มนี้สวยจริงๆ ฉันไม่ได้วางแผนว่าจะไปเที่ยวที่ไหนเลยเมื่อพบกับหนังสือเล่มนี้ และเพิ่งจะเริ่มเปิดผ่านๆ เพื่อดูตามหน้าต่างๆ ฉันชอบภาพถ่ายหน้าปกและภาพถ่ายเคลือบมันขนาดใหญ่ทั้งหมดในหนังสือเล่มนี้จริงๆ John Smith สร้างผลงานถ่ายภาพได้อย่างยอดเยี่ยม ฉันได้พบที่พักสมบูรณ์แบบแล้วบนโต๊ะกาแฟของฉัน ฉันกำลังวางแผนไปเที่ยวปารีสและบาร์เซโลนาในเร็วๆ นี้ และฉันรู้ว่ามันจะสะดวกมาก ในขณะเดียวกัน ยังเหมาะสำหรับการช่วยเหลือนักท่องเที่ยวที่ใช้เก้าอี้รถเข็นอีกด้วย”


ขั้นตอนที่ 4 ก.: ป้อนข้อความลงใน API Explorer และเลือก Analyze (วิเคราะห์)

sentiment-4A

(คลิกเพื่อขยาย)


ขั้นตอนที่ 4 ข.: เปิดแผงแถบข้างของ Sentiment Analysis (วิเคราะห์ความรู้สึก)

ตอนนี้ คุณจะกลับไปที่แผงแถบข้างของ Sentiment Analysis (วิเคราะห์ความรู้สึก) เพื่อดูผลลัพธ์ของคำวิจารณ์ที่ 2 คำวิจารณ์ที่สองนี้ค่อนข้างแตกต่างจากคำวิจารณ์แรก เนื่องจากคุณจะเห็นว่าผลลัพธ์เป็น positive (บวก) ทั้งหมด และไม่มีผลลัพธ์ในเชิงลบหรือปะปนกันเลยในคำวิจารณ์นี้ 

sentiment-4B

(คลิกเพื่อขยาย)


ขั้นตอนที่ 4 ค.: เปิดแผงแถบข้างของ Entity Detection (ตรวจหาวัตถุ)

ตอนนี้ คุณก็ได้รับความรู้พื้นฐานแล้วว่าคุณสมบัติ Sentiment Analysis (วิเคราะห์ความรู้สึก) ทำงานอย่างไร เราจะมาดูการวิเคราะห์อื่นๆ ที่ใช้กับคำวิจารณ์นี้บ้าง แผงแถบข้างของ Entity Detection (ตรวจหาวัตถุ) จะแสดงให้คุณเห็นวิธีจำแนกแยกแยะข้อความที่อ้างอิงไปยังชื่อที่ไม่ซ้ำกันของวัตถุที่มีอยู่จริงในโลก เช่น บุคคล สถานที่ หรือสิ่งของ ในคำวิจารณ์สั้นๆ นี้ คุณจะเห็นใน API Explorer ทันทีว่ามีการตรวจพบวัตถุสองประเภท ได้แก่ บุคคลและสถานที่ John Smith ได้รับการระบุว่าเป็นบุคคล และ Paris (ปารีส) และ Barcelona (บาร์เซโลนา) ได้รับการระบุว่าเป็นสถานที่

คุณสมบัตินี้มีประโยชน์ในการสแกนข้อความจำนวนมาก เพื่อระบุวัตถุที่พบมากที่สุดอย่างรวดเร็ว สามารถนำข้อมูลนี้มาใช้เพื่อการค้นหาที่ชาญฉลาด หรือช่วยจำแนกประเภทบทความและเอกสารเพื่อปรับแต่งเนื้อหาเฉพาะตัวบุคคล

sentiment-4C

(คลิกเพื่อขยาย)


ขั้นตอนที่ 4 ง.: เปิดแผงแถบข้างของ Keyphrase Extraction (การแยกวลีสำคัญ)

เราจะมาดูโดยเร็วว่ามีการจำแนกแยกแยะวลีสำคัญอะไรบ้างจากคำวิจารณ์นี้ เปิดแผงแถบข้างของ Keyphrase (วลีสำคัญ) เพื่อดูบางวลีที่ถูกแยกออกมาจากคำวิจารณ์นี้ คุณจะเห็นวลีสำคัญหลายประเภท รวมทั้ง “such a beautiful book” (หนังสือเล่มนี้สวยจริงๆ) และ “a perfect home” (ที่พักสมบูรณ์แบบ) เนื่องจากเป็นคำวิจารณ์สั้นๆ และง่ายๆ จึงไม่มีวลีสำคัญที่ปรากฏมากกว่าครั้งเดียว  

sentiment-4D

(คลิกเพื่อขยาย)


ขั้นตอนที่ 5: ป้อนข้อความที่จะวิเคราะห์สำหรับคำวิจารณ์ที่ 3

ตอนนี้ เราจะมาดูว่าการวิเคราะห์บ่งบอกถึงอะไรสำหรับคำวิจารณ์สุดท้ายจากลูกค้า ทำซ้ำสิ่งที่คุณทำในขั้นตอนที่ 3 และ 4 เพื่อประมวลผลคำวิจารณ์ที่ 3

คำวิจารณ์ที่ 3:
“ในฐานะนักเดินทาง ฉันชื่นชอบการอ่านเรื่องราวของสถานที่ท่องเที่ยวดีๆ เหล่านี้จริงๆ ผู้เขียนพาคุณไปเที่ยวทั่วโลกเลย แม้ว่าในปัจจุบันจะมีข้อมูลฟรีทั้งหมดทางออนไลน์ก็ตาม ฉันคิดว่าฉันจะนำหนังสือเล่มนี้ติดตัวไปด้วยทุกแห่งที่ไป และใช้เพื่อค้นหาจุดท่องเที่ยวนอกเส้นทางหลัก”


ขั้นตอนที่ 5 ก.: ป้อนข้อความลงใน API Explorer และเลือก Analyze (วิเคราะห์)

sentiment-5A

(คลิกเพื่อขยาย)


ขั้นตอนที่ 5 ข.: เปิดแผงแถบข้างของ Sentiment Analysis (วิเคราะห์ความรู้สึก)

ตอนนี้ กลับไปที่แผงแถบข้างของ Sentiment Analysis (วิเคราะห์ความรู้สึก) เพื่อดูผลลัพธ์สำหรับคำวิจารณ์ที่ 3 เช่นเดียวกับคำวิจารณ์แรก นี่คือคำวิจารณ์ที่เป็น positive (บวก) มาก และตรวจพบความรู้สึกที่เป็นกลางเพียงเล็กน้อย  

sentiment-5B

(คลิกเพื่อขยาย)


ขอแสดงความยินดี

ตามผลลัพธ์ของการวิเคราะห์ความรู้สึกของคุณในบทแนะนำสอนการใช้งานนี้ คุณอาจต้องการซื้อคู่มือการท่องเที่ยวดังกล่าว คุณสามารถใช้ Amazon Comprehend เพื่อวิเคราะห์ข้อความและใช้ผลลัพธ์ในแอปพลิเคชันที่หลากหลาย รวมทั้งเสียงของการวิเคราะห์ลูกค้า การค้นหาเอกสารอัจฉริยะ และการปรับแต่งเนื้อหาเฉพาะตัวบุคคลสำหรับแอปพลิเคชันบนเว็บ

 

บทแนะนำสอนการใช้งานนี้เป็นประโยชน์หรือไม่

ขอบคุณ
โปรดบอกเราว่าคุณชอบอะไร
Close
ขออภัยที่ทำให้คุณผิดหวัง
มีเนื้อหาที่ไม่อัปเดต คลุมเครือ หรือไม่ถูกต้องหรือไม่ โปรดช่วยเราในการปรับปรุงบทช่วยสอนนี้โดยการให้คำติชม
Close

เรียนรู้เพิ่มเติม

ค้นหาข้อมูลเพิ่มเติมเกี่ยวกับคุณสมบัติของ Amazon Comprehend โดยใช้คู่มือการเริ่มต้นใช้งานนี้

สร้างแดชบอร์ดโซเชียลมีเดีย

สร้างแดชบอร์ดโซเชียลมีเดียโดยใช้แมชชีนเลิร์นนิ่งและบริการของระบบธุรกิจอัจฉริยะ

การวิเคราะห์ความรู้สึกแบบกลุ่ม

ลองใช้บทแนะนำสอนการใช้งานขั้นสูงนี้เพื่อทำการวิเคราะห์ความรู้สึกแบบกลุ่มกับข้อความที่มีปริมาณมาก