Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

Amazon Comprehend Targeted Sentiment, 동기식 지원 추가

타임 스탬프 : 21 년 2022 월 5 일 오후 27:XNUMX

올해 초, 아마존 이해, 기계 학습(ML)을 사용하여 텍스트에서 통찰력을 발견하는 자연어 처리(NLP) 서비스, Targeted Sentiment 기능 출시. Targeted Sentiment를 사용하면 단일 실제 개체 또는 속성에 해당하는 멘션 그룹(공동 참조 그룹)을 식별하고, 각 개체 멘션과 관련된 감정을 제공하고, 미리 결정된 엔티티 목록.

오늘 Amazon Comprehend의 대상 감정을 위한 새로운 동기식 API를 발표하게 되어 기쁩니다. 이 API는 입력 문서의 특정 엔터티와 관련된 감정에 대한 세부적인 이해를 제공합니다.

이 게시물에서는 Amazon Comprehend Targeted Sentiment 동기 API를 시작하고 출력 구조를 살펴보고 세 가지 개별 사용 사례를 논의하는 방법에 대한 개요를 제공합니다.

타겟 감성 사용 사례

Amazon Comprehend의 실시간 대상 감정 분석에는 정확하고 확장 가능한 브랜드 및 경쟁자 통찰력을 지원하는 여러 애플리케이션이 있습니다. 라이브 시장 조사, 브랜드 경험 생성, 고객 만족도 향상과 같은 비즈니스 크리티컬 프로세스에 타겟 감성을 사용할 수 있습니다.

다음은 영화 리뷰에 타겟 감성을 사용하는 예입니다.

"영화"는 유형으로 식별되는 기본 엔터티입니다. movie, 그리고 "영화"와 대명사 "그것"으로 두 번 더 언급됩니다. Targeted Sentiment API는 각 엔터티에 대한 감정을 제공합니다. 녹색은 긍정적인 감정, 빨간색은 부정적, 파란색은 중립적 감정을 나타냅니다.

전통적인 분석은 이 경우 혼합된 전체 텍스트의 감정을 제공합니다. 대상 감정을 사용하면 더 세분화된 통찰력을 얻을 수 있습니다. 이 시나리오에서 영화에 대한 감정은 긍정적이기도 하고 부정적이기도 합니다. 배우에 대해서는 긍정적이지만 전반적인 품질과 관련하여 부정적입니다. 이것은 대본 작성에 더 많은 노력을 기울이고 미래의 역할에 대해 배우를 고려하는 것과 같이 영화 팀을 위한 표적 피드백을 제공할 수 있습니다.

실시간 감정 분석의 두드러진 응용 프로그램은 산업에 따라 다릅니다. 여기에는 라이브 소셜 미디어 피드, 비디오, 라이브 이벤트 또는 방송에서 마케팅 및 고객 통찰력 추출, 연구 목적을 위한 감정 이해 또는 사이버 괴롭힘 방지가 포함됩니다. 동기 대상 감정은 실시간으로 의사 결정을 내릴 수 있도록 몇 초 이내에 실시간 피드백을 제공하여 비즈니스 가치를 높입니다.

이러한 다양한 실시간 대상 감정 분석 애플리케이션과 다양한 산업에서 이를 사용하는 방법을 자세히 살펴보겠습니다.

  • 시나리오 1 – 주식, 사람 또는 조직에 대한 감정을 결정하기 위한 재무 문서의 오피니언 마이닝
  • 시나리오 2 – 실시간 콜 센터 분석을 통해 고객 상호 작용의 세분화된 감정 파악
  • 시나리오 3 – 소셜 미디어 및 디지털 채널 전반에 걸쳐 조직 또는 제품 피드백을 모니터링하고 실시간 지원 및 해결 방법 제공

다음 섹션에서는 각 사용 사례에 대해 더 자세히 설명합니다.

시나리오 1: 재무 의견 마이닝 및 거래 신호 생성

감정 분석은 거래 전략을 수립할 때 시장 조성자와 투자 회사에게 매우 중요합니다. 세분화된 감정을 결정하면 거래자가 글로벌 이벤트, 비즈니스 결정, 개인 및 산업 방향에 대해 시장이 어떤 반응을 보일지 추론하는 데 도움이 될 수 있습니다. 이 감정은 주식이나 상품을 사거나 팔지 여부를 결정하는 요소가 될 수 있습니다.

이러한 시나리오에서 Targeted Sentiment API를 사용하는 방법을 알아보기 위해 인플레이션에 대한 Jerome Powell 연방 준비 제도 이사회 의장의 성명을 살펴보겠습니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

예에서 볼 수 있듯이 인플레이션에 대한 감정을 이해하면 매수 또는 매도 결정을 내릴 수 있습니다. 이 시나리오에서는 Targeted Sentiment API에서 인플레이션에 대한 파월 의장의 견해가 부정적임을 유추할 수 있으며, 이는 금리 인상이 경제 성장을 둔화시키는 결과를 낳을 가능성이 가장 높습니다. 대부분의 거래자에게 이는 매도 결정을 초래할 수 있습니다. Targeted Sentiment API는 거래자에게 기존 문서 검토보다 빠르고 세부적인 통찰력을 제공할 수 있으며 속도가 중요한 산업에서 상당한 비즈니스 가치를 가져올 수 있습니다.

다음은 재무 의견 마이닝 및 거래 신호 생성 시나리오에서 대상 감정을 사용하기 위한 참조 아키텍처입니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

시나리오 2: 실시간 컨택 센터 분석

긍정적인 컨택 센터 경험은 강력한 고객 경험을 제공하는 데 매우 중요합니다. 긍정적이고 생산적인 경험을 보장하기 위해 감정 분석을 구현하여 고객 반응, 상호 작용 기간 동안 변화하는 고객 기분, 컨택 센터 워크플로 및 직원 교육의 효율성을 측정할 수 있습니다. Targeted Sentiment API를 사용하면 컨택 센터 감정 분석 내에서 세부적인 정보를 얻을 수 있습니다. 상호작용의 감정을 결정할 수 있을 뿐만 아니라 이제 부정적인 또는 긍정적인 반응을 일으킨 원인을 파악하고 적절한 조치를 취할 수 있습니다.

고장난 토스터를 반품한 고객의 다음 기록을 통해 이를 입증합니다. 이 예에서는 고객이 작성하는 샘플 진술을 보여줍니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함. Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함. Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함. Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

보시다시피 대화는 상당히 부정적으로 시작됩니다. Targeted Sentiment API를 사용하여 부정적인 감정의 근본 원인을 파악하고 토스터의 오작동과 관련된 것임을 확인할 수 있습니다. 이 정보를 사용하여 특정 워크플로를 실행하거나 다른 부서로 라우팅할 수 있습니다.

대화를 통해 고객이 기프트 카드 제안을 수락하지 않았음을 알 수 있습니다. 이 정보를 사용하여 상담원 교육을 개선하고, 이러한 시나리오에서 주제를 가져와야 하는지 재평가하거나, 이 질문을 보다 중립적 또는 긍정적인 감정으로만 물어야 하는지 결정할 수 있습니다.

마지막으로 고객이 토스터기에 대해 여전히 화를 내고 있음에도 불구하고 에이전트가 제공한 서비스가 긍정적으로 받아들여진 것을 확인할 수 있습니다. 이 정보를 사용하여 에이전트 교육을 검증하고 강력한 에이전트 성과를 보상할 수 있습니다.

다음은 타겟 감성을 실시간 컨택 센터 분석에 통합한 참조 아키텍처입니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

시나리오 3: 고객 감정을 위해 소셜 미디어 모니터링

소셜 미디어 수신은 제품 및 조직 성장에 결정적인 요소가 될 수 있습니다. 고객이 회사 결정, 제품 출시 또는 마케팅 캠페인에 어떻게 반응하는지 추적하는 것은 효율성을 결정하는 데 중요합니다.

새로운 헤드폰 세트에 대한 Twitter 리뷰를 사용하여 이 시나리오에서 Targeted Sentiment API를 사용하는 방법을 보여줄 수 있습니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함. Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

이 예에서는 헤드폰 출시에 대해 엇갈린 반응이 있지만 음질이 좋지 않다는 일관된 주제가 있습니다. 회사는 이 정보를 사용하여 사용자가 특정 속성에 어떻게 반응하는지 확인하고 향후 반복에서 제품 개선이 필요한 부분을 확인할 수 있습니다.

다음은 소셜 미디어 감성 분석을 위해 Targeted Sentiment API를 사용하는 참조 아키텍처입니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

타겟 감성 시작하기

Amazon Comprehend 콘솔에서 대상 감정을 사용하려면 다음 단계를 완료하십시오.

  1. Amazon Comprehend 콘솔에서 Amazon Comprehend 시작.
    Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.
  2. 럭셔리 입력 텍스트, 분석할 텍스트를 입력합니다.
  3. 왼쪽 메뉴에서 분석.
    Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

문서가 분석된 후 Targeted Sentiment API의 출력은 다음에서 찾을 수 있습니다. 타겟 감성 의 탭 인사이트 부분. 여기에서 분석된 텍스트, 각 엔터티의 해당 감정 및 연결된 참조 그룹을 볼 수 있습니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

. 애플리케이션 통합 섹션에서 분석된 텍스트에 대한 요청 및 응답을 찾을 수 있습니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.

프로그래밍 방식으로 Targeted Sentiment 사용

프로그래밍 방식으로 동기 API를 시작하려면 다음 두 가지 옵션이 있습니다.

  • 감지 대상 감정 – 이 API는 단일 텍스트 문서에 대한 대상 감정을 제공합니다.
  • 일괄 감지 대상 감정 – 이 API는 문서 목록에 대한 대상 감정을 제공합니다.

다음을 사용하여 API와 상호 작용할 수 있습니다. AWS 명령 줄 인터페이스 (AWS CLI) 또는 AWS SDK를 통해. 시작하기 전에 AWS CLI를 구성하고 Amazon Comprehend와 상호 작용하는 데 필요한 권한이 있는지 확인하십시오.

Targeted Sentiment 동기 API는 두 개의 요청 매개변수를 전달해야 합니다.

  • 언어 코드 – 텍스트의 언어
  • 문자 또는 TextList – 처리되는 UTF-8 텍스트

다음 코드는 detect-targeted-sentiment API :

{
"LanguageCode": "string", 
"Text": "string"
}

다음은 에 대한 예입니다. batch-detect-targeted-sentiment API :

{

"LanguageCode": "string", 
"TextList": ["string"]

}

이제 몇 가지 샘플 AWS CLI 명령을 살펴보겠습니다.

다음 코드는 detect-targeted-sentiment API :

aws comprehend 
--region us-east-2 
detect-targeted-sentiment  
--text "I like the burger but service was bad" 
--language-code en

다음은 에 대한 예입니다. batch-detect-targeted-sentiment API :

aws comprehend 
--region us-east-2 
batch-detect-targeted-sentiment 
--text-list "We loved the Seashore Hotel! It was clean and the staff was friendly. However, the Seashore was a little too noisy at night." "I like the burger but service is bad" 
--language-code en

다음은 샘플 Boto3 SDK API 호출입니다.

import boto3
import subprocess

session = boto3.Session()
comprehend_client = session.client(service_name='comprehend', region_name='us-east-2')

다음은 detect-targeted-sentiment API :

response = comprehend_client.detect_targeted_sentiment(
LanguageCode='en',
Text = "I like the burger but service was bad"
)
print(response)

다음은 batch-detect-targeted-sentiment API :

response = comprehend_client.batch_detect_targeted_sentiment(
    LanguageCode='en',
    TextList = ["I like the burger but service was bad","The staff was really sweet though"]
)

API 구문에 대한 자세한 내용은 Amazon Comprehend 개발자 안내서.

API 응답 구조

Targeted Sentiment API는 작업 출력을 사용하는 간단한 방법을 제공합니다. 각 엔터티에 대한 감정과 함께 감지된 엔터티(엔티티 그룹)의 논리적 그룹화를 제공합니다. 다음은 응답에 있는 필드에 대한 몇 가지 정의입니다.

  • 엔터티 – 문서의 중요한 부분. 예를 들어, Person, Place, Date, Food및 Taste.
  • 언급 – 문서에 있는 엔티티의 참조 또는 언급. 이들은 "it", "him", "book" 등과 같은 대명사 또는 일반 명사일 수 있습니다. 문서의 위치(오프셋)별로 정리되어 있습니다.
  • DescriptiveMentionIndex – 의 인덱스 Mentions 엔티티 그룹을 가장 잘 묘사합니다. 예를 들어, "hotel" 대신 "ABC Hotel", "it" 또는 기타 일반 명사 언급.
  • 그룹 점수 – 그룹에 언급된 모든 개체가 동일한 개체와 관련되어 있다는 확신(예: "나", "나" 및 "나 자신"은 한 사람을 나타냄).
  • 본문 – 엔티티를 나타내는 문서의 텍스트.
  • 타입 – 엔티티가 묘사하는 것에 대한 설명.
  • 점수 – 이것이 관련 엔터티라는 모델 신뢰도.
  • 멘션감정 – 멘션에 대해 발견된 실제 감정.
  • 감정 – 양수, 중립, 음수 또는 혼합의 문자열 값.
  • 감정 점수 – 가능한 각 감정에 대한 모델 신뢰도.
  • 시작 오프셋 – 언급이 시작되는 문서 텍스트의 오프셋.
  • 끝 오프셋 – 언급이 끝나는 문서 텍스트의 오프셋.

자세한 분류는 다음을 참조하십시오. Amazon Comprehend Targeted Sentiment를 사용하여 텍스트에서 세분화된 감정 추출 or 출력 파일 구성.

결론

감정 분석은 기업에 대한 시간 경과에 따른 고객 감정 추적, 제품에 대한 호감 여부 추론, 특정 주제에 대한 소셜 네트워크 사용자의 의견 이해, 심지어 결과 예측에 이르기까지 수많은 이유 때문에 조직에 매우 중요합니다. 캠페인. 실시간 대상 감정은 기업에 효과적일 수 있으므로 전체 감정 분석을 넘어 Amazon Comprehend를 사용하여 고객 경험을 주도하는 통찰력을 탐색할 수 있습니다.

Amazon Comprehend의 Targeted Sentiment에 대해 자세히 알아보려면 다음을 참조하십시오. 타겟 감성.

저자 소개

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함. 라지 파탁 캐나다와 미국 전역의 Fortune 50대 기업 및 중견 FSI(은행, 보험, 자본 시장) 고객의 솔루션 설계자이자 기술 고문입니다. Raj는 문서 추출, 컨택 센터 변환 및 컴퓨터 비전 애플리케이션을 사용하는 기계 학습을 전문으로 합니다.

Amazon Comprehend Targeted Sentiment는 동기 지원 PlatoBlockchain Data Intelligence를 추가합니다. 수직 검색. 일체 포함.릭 탈룩다르 Amazon Comprehend Service 팀의 수석 아키텍트입니다. 그는 AWS 고객과 협력하여 대규모 기계 학습을 채택할 수 있도록 지원합니다. 일 외에는 독서와 사진 촬영을 즐깁니다.

타임 스탬프 :

더보기 AWS 기계 학습