قبل از شروع به خواندن مطلب تشخیص نظر در متن (نظر کاوی) باید دو مطلب زیر را حتماً مطالعه نمائید:
تشخیص گرایش در متن
نمایش گرایش در متن به صورت پیش فرض در پردازش زبان طبیعی مثبت و منفی تعریف می شود. هر چند که پدیده بسیار پیچیده تری است. گرایش شامل تمایلات هیجانی به یک موضوع است و بر خلاف هیجان پایدار است. بنابراین برچسب زدن رویدادهای هیجانی به عنوان گرایش اشتباه است. افزایش تجربه با یک موضوع باعث ایجاد یک الگوی دوست داشتن (هیجان مثبت) و نداشتن (هیجان منفی) نسبت به آن موضوع می شود. پایداری در گرایشات برای تخقیق در زمینه های تروریسم، رفتاری ضد اجتماعی، مفید هستند. زیرا این تمایلات تغییر نمی کند مگر چیزی مداخله کند. همچنین می تواند به قضاوت در مورد نظرات کمک کند. مثلاً یک نظر در مورد یک فیلم اکشن توسط کسی که فیلم اکشن دوست دارد بسیار معتبرتر از نظر بد کسی است که فیلم اکشن دوست ندارد.
در واقعیت، گرایشات فقط می توانند بر اساس پاسخ های هیجانی به یک موضوع فهمیده شوند. روش درست برای تشخیص پایداری گرایش این است که داده های کاربران در طول یک بازه زمانی( ۳ ماه تا یکسال) گردآوری شوند.به این صورت می توان پایداری گرایش یک کاربر را به یک موضوع (شخص، مکان، وضعیت) را به صورت بصری دید. از این تکنیک می توان برای سنجش وفاداری کاربران نسبت به یک محصول استفاده کرد. مثلاً با نگاه کردن به توئیت های یک کاربر می توان فهمید که او آیفون ۵ را دوست ندارد اما آی پد جدید و در کل برند اپل را دوست دارد.
تشخیص نظر (نظر کاوی)
اگر یک نظر دارای گرایش یا هیجان باشد، با استفاده از آن می توان قطبیت یک نظر را مثبت یا منفی تعیین نمود. در حالتی که یک نظر دارای گرایش یا هیجان نباشد، قطبیت را به یکی از دو روش زیر می توان تعیین کرد:
- با تجزیه و تحلیل اینکه آیا یک واکنش عاطفی مرتبط با موضوع یا ویژگی وجود دارد (“من این کتاب را خسته کننده دیدم” در مقابل “این فیلم به زیبایی کارگردانی شده است”).
- با تجزیه و تحلیل کلماتی که مردم برای توصیف تجربیات خود انتخاب می کنند. موارد بسیاری وجود دارد که در آن نویسنده بدون کلماتی که دارای بار عاطفی مثبت یا منفی است ابراز عقیده می کند (مثلاً ؛باتری رایانه فقط سه ساعت دوام می آورد “). کلمه فقط به عنوان یک واژه توصیفی است. بستگی به زمینه متن، کلمه «فقط» می تواند به عنوان یک اشاره برای هردو نظر مثبت و منفی باشد. در مثال ما نشان می دهد که کاربر کامپیوتر از باتری انتظار دارد که دوام بیشتری داشته باشد. بنابراین، کل جمله را می توان به عنوان نظر منفی دسته بندی نمود. بر خلاف لیست کلمه هایی که دارای بار عاطفی در سطح کلمه هستند، تجزیه و تحلیل توصیفی کلمات نیاز به یک زمینه گسترده تر، مانند کل جمله، کل پاراگراف یا کل متن را دارد. تحلیل کلمات توصیفی به موضوع متن نیز بستگی دارد.
بررسی یک مثال تشخیص نظر از متن (نظر کاوی)
این نظر توسط یک کاربر گفته شده است: «من همیشه از اتومبیل ها متنفرم. من فکر می کنم آنها فقط باعث آلودگی بیش از حد می شوند که واقعاً برای ما بد است.»
صاحب نظر: من
ادعا: اتومبیل ها باعث آلودگی بیش از حد می شوند که برای ما بد است
حقیقت موضوع: اتومبیل ها باعث آلودگی می شوند
کلمات توصیفی: بیش از حد
کلمات توصیفی در زمینه ویژگی موضوع: آلودگی – منفی
واکنش عاطفی: برای ما بد – منفی
موضوع: اتومبیل، آلودگی
ویژگی: آلودگی
هیجان / گرایش: همیشه متنفر – منفی
زمان: مشخص نشده است
بر اساس یادداشت ها، می توان نتیجه گرفت که نظر منفی است.
