Разлика между версии на „Анализ на пазарното настроение“

Текуща версия към 17:35, 2 януари 2014

Emocionalni vyzpriqtiq na potrebitelite.

Емоционални „възприятия” на потребителите.

Анализът на пазарното настроение е способ, използван в социалните медии, реалната и интернет пазарна среда.

Същност

Този метод помага на марката (за обувки, дрехи, автомобили и т.н) да определи мненията, оценките и настроенията на потребителите относно продукцията на съответната. Търговците притежават алтернативен и качествен подход за измерване на ефективността си в реално време – чрез проследяване на клиентите и как те се чувстват и колко и какво говорят за марката. Всички усилия за брандинг, цветови схеми и съобщения намират общото си събирателно в лицето на метода.

Анализът на пазарното настроение (на английски: (sentiment analysis)) или още събирането на мнения (на английски: (opinion mining)) се осъществява чрез обработката на естествен език, компютърната лингвистика, както и анализи на текст, с цел да се идентифицира и извлече субективна информация от определени изходни материали.

Анализът на пазарното настроение има за цел да се определи отношението на говорещия или пишещия по някаква тема или по цялостно представен контекстов документ. Отношението може да бъде неговата преценка или оценка, емоционално състояние, или възможната емоционална комуникация (т.е., емоционален ефект който автора желае да има от страна на читателя).

Приложение

Основна задача в анализа на пазарното настроение е класифициране на полярността на даден текст в документ, изречение, или функция. Изразеното мнение от субекта/обекта към определения аспект е с положителна, отрицателна или неутрална нагласа. Съществуват понятия, които са разширени и "отвъд полярността" и представляват настроения и емоционални състояния, като например "весел","нещастен", "отчаян".

Друга посока за изследване е субективност / обективност на идентификацията. Тази задача често, се определя като класифициране на даден текст (обикновено едно изречение) в един от двата класа: обективни или субективни. Този проблем понякога може да бъде по-трудно дефиниран, отколкото полярността: субективността от думи и фрази може да зависи от техния контекст и дори обективен документ може да съдържа субективни детайли новинарска статия, цитирайки мнението на хората).

При наличието на по-специфичен, по фин анализ моделът се наименува като функция/аспект, базирани на анализа на настроенията. Те се отнасят до определяне на мнения или настроения, изразени по различни характеристики или аспекти от лица, чрез например мобилен телефон, цифров фотоапарат, или по банков път. Отличителна черта е един атрибут или компонент на даден артикул, например екрана на мобилен телефон, или качеството на картината на камерата. Този проблем е свързан с няколко под-проблеми, например, откриване на съответните лица, извличане на техните характеристики, както и определянето на това дали становището, изразено на всяка функция е положително, отрицателно или неутрално. По-подробни дискусии за това ниво на анализа на настроения могат да бъдат намерени в наръчника, написан от Бинг Лиу, " Анализ и субективност".

Предимства

обработват се нужните във виртуалното пространство мнения на разнообразните таргет групи потребители така че да се използва информацията като междуфирмена валута
aвтоматизиране на процесите в интернет пространството без наличието на излишни (шум, разговори, дискусии, напрежение)
чрез обработените мнения и анализирани настроения на клиентите си фирмите лесно могат да идентифицират допуснатите в политиката си грешки. По този начин те могат директно да влияят в положителна насока върху репутацията на фирмата, набирането на нови таргет групи, инвестирането в иновативни методи
демократизиране на една част от съдържанието достъпно за социалните маси и с помоща на системата Уеб 2.0
Уеб 2.0 като система, спомагаща за идентифицирането на важни научни изследвания и резултати. Чрез нея например може да се даде отговор на въпрос като „Защо някои електронни общности изчезват ''MySpace за сметка на мащабното развитие на други ''Facebook

История

Първите трудове по отношение на анализирането на пазарните настроения разработва Питър Д. Търни. Статията на Търни от декември 2002 представлява алгоритъм за обучение, при който резултатите се класифицират в зависимост от крайните коментари на обучаващите се. Смисълът е подобен на теорията на игрите като положително настроените участници вдигнали палците си нагоре, респективно, тези които сметнали обучението за неефективно обръщали палците се надолу (по подобие на жеста с ръка на сенаторите по време на игрите в древен Рим). В книгата на Търни за семантичната ориентация е даден пример за използването на алгоритъма, при който се гледа какъв е резултата на ориентацията спрямо събраните мнения (положителни и отрицателни). При класифициране на прегледа се наблюдава средна точност от 74 % и включени 410 мнения в извадката от 4 различни области (прегледи на автомобили, банки, филми и туристически дестинации).

През 2008 год. в избора на президент на САЩ е обусловено използването на социалната мрежа Туитър съвместно с анализа на настроенията. Чрез тях кандидатите по-лесно могат съпоставят избирателите и с голяма точност да разкрият намеренията им по отношение на гласуването им.

Няколко проучвания изследват ефективността на Туитър съвместно с анализа на настроенията. През 2010 проучване, проведено в Техническия университет в Мюнхен, представя Туитър като инструмент, предвиждащ крайните резултати на те избори за национален парламент (27 септември, 2009 год.) с голяма точност. Изследването се позовава на 3 основни въпроса към избирателите, на които резултатите са следните:

Туитър се използва като платформа за политическо обсъждане
Потокът от мнения на кандидатите и партиите, вследствие от анализа на проучването точно представят моментния вот на избирателите
При сравняване на резултатите от изборите те се доближават максимално до подобни анкетни проучвания

Вижте още

Източници

Fauscette, M., “Twitter, politics and Sentiment analysis”, 23 February 2012.
Prabowo, R., and Thelwall, M., “Sentiment Analysis: A Combined approach”, School of Computing and Information Technology, University of Wolverhampton, Wulfuna street. Wright, A., “Mining the Web for Feelings, Not Facts”,23 August, 2009.
Turney, P., "Thumbs Up or Thumbs Down ? Semantic Orientation Applied to Unsupervised Classification of Reviews". Proceedings of the Association for Computational Linguistics - http://arxiv.org/abs/cs.LG/0212032 , 11 December 2002, Canada
Wright, A., “Mining the Web for Feelings, Not Facts”,23 August, 2009.
Yred, P., “Why sentiment analysis is the future of ad optimization” ,20 March, 2011.

Външни препратки

@@ Ред 1: / Ред 1: @@
+[[Image:sentiment analiz.png|thumb|500px|right|alt=Emocionalni vyzpriqtiq na potrebitelite.|Емоционални „[[възприятиe|възприятия]]” на потребителите.]]
 '''Анализът на пазарното настроение''' е '''[[способ]], използван в [[социалните медии]]''', [[реален|реалната]] и [[интернет]] [[пазарна среда]].
@@ Ред 5: / Ред 7: @@
 Този [[метод]] помага на [[марка]]та (за [[обувки]], [[дрехи]], [[автомобили]] и т.н) да определи [[мнениe|мненията]], [[оценкa|оценките]] и [[настроениe|настроенията]] на [[потребител]]ите относно [[продукция]]та на съответната. Търговците притежават алтернативен и качествен [[подход]] за измерване на [[ефективност]]та си в реално време – чрез проследяване на [[клиент]]ите и как те се чувстват и колко и какво говорят за марката. Всички усилия за [[брандинг]], [[цветови схеми]] и [[съобщениe|съобщения]] намират общото си събирателно в лицето на метода.
-Анализът на пазарното настроение  (на [[английски]]: (sentiment analysis)) или още събирането на мнения (на английски: (opinion mining))  се осъществява чрез  обработката на естествен [[език]], [[компютърната лингвистика]], както и [[анализи]] на текст, с [[цел]]  да се идентифицира и извлече субективна [[информация]] от определени изходни материали.
+Анализът на пазарното настроение  (на [[английски език|английски]]: (sentiment analysis)) или още събирането на мнения (на английски: (opinion mining))  се осъществява чрез  обработката на естествен [[език]], [[компютърната лингвистика]], както и [[анализи]] на текст, с [[цел]]  да се идентифицира и извлече субективна [[информация]] от определени изходни материали.
 Анализът на пазарното настроение има за цел да се определи [[отношение]]то на [[говорещ]]ия или [[пишещ]]ия по  някаква [[тема]] или по цялостно представен [[контекстов документ]]. [[Отношението]] може да бъде неговата [[преценка]] или [[оценка]], [[емоционално състояние]], или възможната [[емоционална комуникация]] (т.е., емоционален ефект който автора желае да има от страна на читателя).
-[[Image:sentiment analysis.jpg|thumb|right|alt=Emocionalni vyzpriqtiq na potrebitelite.|Емоционални „[[възприятиe|възприятия]]” на потребителите.]]
+==Приложение==
-==История==
-Първите [[труд]]ове по отношение на анализирането на пазарните настроения разработва [[Питър Д. Търни]]. [[Статия]]та на Търни от декември 2002 представлява [[алгоритъм]] за обучение, при който [[резултат]]ите се [[класификация|класифицират]] в [[зависимост]] от крайните коментари на обучаващите се. [[Смисъл]]ът е подобен на [[теория]]та на [[игра|игрите]] като положително настроените участници вдигнали палците си нагоре, [[респект]]ивно, тези които [[смятам|сметнали]] обучението за [[неефективен|неефективно]] обръщали палците се надолу (по подобие на [[жест]]а с ръка на [[сенатор]]ите по време на игрите в [[древен Рим]]). В книгата на Търни за [[семантичната ориентация]] е даден [[пример]] за използването на алгоритъма, при който се гледа какъв е резултата на ориентацията спрямо събраните мнения ([[положителен|положителни и [[отрицателен|отрицателни]]). При [[класификация|класифициране]] на [[преглед]]а се наблюдава [[средна точност]] от 74 % и включени 410 мнения  в [[извадка]]та от 4 различни [[област]]и (прегледи на автомобили, банки, филми и туристически дестинации).
-През 2008 год. в [[избор]]а на президент на САЩ е обусловено използването на [[социалната мрежа]] [[Туитър]] съвместно с анализа на настроенията. Чрез тях [[кандидат]]ите по-лесно могат съпоставят [[избирател]]ите и с голяма точност да разкрият [[намерение|намеренията]] им по отношение на [[гласуване]]то им.
-Няколко проучвания изследват [[ефективност]]та на Туитър съвместно с  анализа на настроенията. През 2010 [[проучване]], проведено в Техническия университет в Мюнхен, представя Туитър като [[инструмент]], предвиждащ крайните резултати на [[федерални|те избори]] за [[национален парламент]] (27 септември, 2009 год.) с голяма точност. Изследването се позовава на 3 основни [[въпрос]]а към избирателите, на които резултатите са следните:
-*Туитър се използва като [[платформа]] за [[политическо обсъждане]]
-*Потокът от мнения на кандидатите и партиите, вследствие от анализа на проучването точно представят моментния [[вот]] на избирателите
-*При сравняване на резултатите от [[избори]]те те се доближават [[максимално]] до подобни [[анкетни проучвания]]
-==Задачи==
 [[Основна задача]] в [[анализ]]а на пазарното настроение е класифициране на [[полярност]]та на даден текст в [[документ]], изречение, или [[функция]]. Изразеното мнение от [[субект]]а/[[обект]]а към определения аспект е с положителна, отрицателна или неутрална [[нагласа]]. Съществуват [[понятие|понятия]], които са разширени и "отвъд полярността" и представляват настроения и емоционални състояния, като например [["весел"]],[[ "нещастен"]], [["отчаян".]]
-Друга [[посока]] за [[изследване]] е [[субективност]] / [[обективност]] на [[идентификация]]та. Тази [[задача]]  често, се определя като класифициране на даден текст (обикновено едно изречение) в един от двата класа: обективни или субективни. Този [[проблем]] понякога може да бъде по-трудно [[дефиниция|дефиниран]], отколкото полярността: субективността от думи и [[ фраза|фрази]] може да [[завися|зависи]] от техния [[контекст]] и дори обективен документ може да съдържа субективни [[детайл]]и [[новинарска статия]], [[цитирам|цитирайки]] мнението на хората).
+Друга [[посока]] за [[изследване]] е [[субективност]] / [[обективност]] на [[идентификация]]та. Тази [[задача]]  често, се определя като класифициране на даден текст (обикновено едно изречение) в един от двата класа: обективни или субективни. Този [[задача|проблем]] понякога може да бъде по-трудно [[дефиниция|дефиниран]], отколкото полярността: субективността от думи и [[ фраза|фрази]] може да зависи от техния [[контекст]] и дори обективен документ може да съдържа субективни [[детайл]]и [[новинарска статия]], [[цитирам|цитирайки]] мнението на хората).
 При [[наличие]]то на по-[[специфичен]], по [[фин анализ]] [[модел]]ът се наименува като [[функция]]/[[аспект]], базирани на анализа на настроенията. Те се отнасят до определяне на мнения или настроения, изразени по различни [[характеристика|характеристики]] или аспекти от [[лице|лица]], чрез например мобилен телефон, цифров фотоапарат, или по банков път. Отличителна черта е един [[атрибут]] или [[компонент]] на даден артикул, например  екрана на мобилен телефон, или качеството на картината на камерата. Този проблем е свързан с няколко под-проблеми, например, откриване на съответните лица, извличане на техните характеристики, както и определянето на това дали становището, изразено на всяка функция е положително, [[ отрицателен|отрицателно]] или [[неутрален|неутрално]]. По-подробни [[дискусия|дискусии]] за това [[ниво]] на анализа на настроения могат да бъдат намерени в [[наръчник]]а, написан от [[Бинг Лиу]], " Анализ и субективност".
-==Методи==
+==Предимства==
-Един от [[метод]]ите  за определяне на настроения е използването на [[система за мащабиране]], която се свързва с отрицателени, неутрални или положителни настроения и техните [[асоциация|асоциации]] като [[брой]] на [[скала]] от -5 до 5 (най-негативното до най-положителното) и , когато се анализират парчета на [[неструктуриран текст]], се използва обработка на естествен език, анализират се следващите понятия за разбиране на [[термин]]ите и как те са свързани с [[концепция]]та. На всяко понятие се дава [[оценка]] въз основа на начина, по който настроенията и думите са свързани с концепцията, както и получените резултати. От друга страна, [[текст]]овете могат да дадат и положителен и отрицателен резултат за силата на настроенията, но това е в случай ако целта е да се определи настроенията в самия текст, а не цялостната [[полярност]] и внушение на текста.
-[[компютър|Компютрите]] също могат да участват при анализирането на настроения чрез [[автоматизация]] на настроенията и анализ на [[дигитални текстове]], използвайки [[елемент]]и от метода на семантичен анализ, векторни подкрепи и [[''Semantic'' Ориентация]] . По-сложните методи се опитват да открият притежателя на настроения (т.е. лице, което твърдящо, че е в афективно състояние) и цел (т.е. име на предприятието или мишена, чиято [[афектираност]] е важна).
-При компютрите също е важно да се отбележи, [[мулти-дисциплинарния подход]], чрез който се излага [[становище]], обвързано с анализ на настроения, и тук обработката на текст не се основава на [[статистически модели]] за обучение, а по-скоро на общи инструменти като сетивни разсъждения.
-Чрез [[софтуерен инструмент|софтуерните инструменти]] пък може да се предложи обучение, обвързано с анализа на настроения, статистика, както и естествени техники за езикова обработка, и става възможно автоматизирането чрез анализ на настроения на големи колекции от текстове, включително [[уеб страница|уеб страници]], [[онлайн]] новини, [[дискусионни групи]], онлайн ревюта,[[ уеб блог]]ове и [[социални медии.]]
-==Еволюция ==
-[[Точност]]та на системата за анализ на настроения, отразява, [[съотношение]]то съгласяване/резултати относно взетите  човешки [[решение|решения]]. Въпреки това, хората обикновено се съгласяват, около 70% от [[случай|случаите]]. По този начин, 70% точна [[програма]] се прави, както като хора така и като време на тези [[участник|участници]], въпреки че такава точност не може да звучи [[впечатляващо]]. Ако програмата се "прави" на 100% от времето резултатите винаги биха били по впечатляващи . По-сложни [[мярка|мерки]] могат да бъдат прилагани, но въпреки това [[оценка]]та на системен анализ на настроенията остава сложна [[материя]]. [[Корелация]]та е може би най-добра мярка за [[прецизност]], тъй като тя отчита, колко близо е [[прогнозираната стойност]] от целевата стойност. [[Анализ]]ът се използва за тестване на връзката между интернет [[финансови табла]] за обяви и поведението на [[фондов пазар|фондовия пазар]] например, за да се намери силна корелация между мненията на потребителите.
-==Предимства на анализа==
 * [[обработка|обработват]] се нужните във [[виртуалното пространство]] мнения на разнообразните [[таргет групи]] потребители така че да се използва [[информация]]та като междуфирмена [[валута]]
@@ Ред 53: / Ред 27: @@
 * Уеб 2.0 като система, спомагаща за идентифицирането на важни [[научни изследвания]] и резултати. Чрез нея например може да се даде [[отговор на въпрос]] като „Защо някои електронни общности изчезват [[''MySpace]] ''за сметка на мащабното развитие на други [[''Facebook]]''
-==Възможности==
+==История==
+Първите [[труд]]ове по отношение на анализирането на пазарните настроения разработва [[Питър Д. Търни]]. [[Статия]]та на Търни от декември 2002 представлява [[алгоритъм]] за обучение, при който [[резултат]]ите се [[класификация|класифицират]] в [[зависимост]] от крайните коментари на обучаващите се. [[Смисъл]]ът е подобен на [[теория]]та на [[игра|игрите]] като положително настроените участници вдигнали палците си нагоре, [[респект]]ивно, тези които [[смятам|сметнали]] обучението за [[неефективен|неефективно]] обръщали палците се надолу (по подобие на [[жест]]а с ръка на [[сенатор]]ите по време на игрите в [[древен Рим]]). В книгата на Търни за [[семантичната ориентация]] е даден [[пример]] за използването на алгоритъма, при който се гледа какъв е резултата на ориентацията спрямо събраните мнения (положителни и [[отрицателен|отрицателни]]). При [[класификация|класифициране]] на [[преглед]]а се наблюдава [[средна точност]] от 74 % и включени 410 мнения  в [[извадка]]та от 4 различни [[област]]и (прегледи на автомобили, банки, филми и туристически дестинации).
+През 2008 год. в [[избор]]а на президент на САЩ е обусловено използването на [[социалната мрежа]] [[Туитър]] съвместно с анализа на настроенията. Чрез тях [[кандидат]]ите по-лесно могат съпоставят [[избирател]]ите и с голяма точност да разкрият [[намерение|намеренията]] им по отношение на [[гласуване]]то им.
-* [[фокус|фокусиране]] върху [[предпочитание|предпочитанията]], [[изискване|изискванията]] на фокус групите, които лесно могат да бъдат предвидени
+Няколко проучвания изследват [[ефективност]]та на Туитър съвместно с  анализа на настроенията. През 2010 [[проучване]], проведено в Техническия университет в Мюнхен, представя Туитър като [[инструмент]], предвиждащ крайните резултати на [[федерални|те избори]] за [[национален парламент]] (27 септември, 2009 год.) с голяма точност. Изследването се позовава на 3 основни [[въпрос]]а към избирателите, на които резултатите са следните:
-* при [[наличие]]то на [[дигитален маркетинг]] и [[онлайн търговия]] скоростно може да се определи настоящето [[потребителско търсене]] и [[насоченост]]та му
-* правилното използване на анализа т.е. [[генерирам|генерирането]] на приходи
+*Туитър се използва като [[платформа]] за [[политическо обсъждане]]
-* ясно и точно [[локализация|локализиране]] на проблемните области и възможностите за по-бързото им решаване
+*Потокът от мнения на кандидатите и партиите, вследствие от анализа на проучването точно представят моментния [[вот]] на избирателите
-* [[обработка|обработването]] на последните новини, [[тенденция|тенденции]] и прогнозни алгоритми с [[цел]] конкретната фирма да е с актуална преимуществена информация
+*При сравняване на резултатите от [[избори]]те те се доближават [[максимално]] до подобни [[анкетни проучвания]]
 ==Вижте още==
-* [[Петър Яред]]
+* [[Методи за анализ на пазарното настроение]]
-* [[Клер Карди]]
+* [[Конкурентен анализ]]
-* [[Граматична полярност]]
+* [[Финансов анализ]]
-* [[Уеб бот]]
+* [[Субект (философия)]]
-* [[Бенямин Снидер]]
+* [[Играта като човешка дейност]]
-* [[Алекс Райт]]
+* [[Системен подход]]
-* [[Лилиан Лий]]
-* [[Руди Прабово]]
-* [[Майк Телал]]
-* [[Майкъл Фосет]]
 ==Източници==