首页 >>

AI核心难点之一:情感分析的常见类型与挑战

情感分析或情感人工智能,在商业应用中通常被称为意见挖掘,是自然语言处理(NLP)的一个非常流行的应用。文本处理是该技术最大的分支,但并不是唯一的分支。情绪AI有三种类型及其组合。它们都面临着各自的挑战,目前都处于不同的发展阶段。在本文中,笔者将简要介绍这三种类型以及它们在实际应用中的挑战。

文本情感分析

作为NLP的一个子集,文本分析和书面意见挖掘是迄今为止最简单和最发达的情绪分析类型。它们的需求量大,发展历史长,也是企业和公共部门最常采用的技术。

基本的情绪分析,尤其是用于商业用途的,可以概括为将句子、段落、帖子或文档分为消极、中性或积极三类。其中,更复杂的情绪和态度处理、意义提取、意图分类和基于语言学的情感分析也越来越受欢迎。

自动情绪分析通常是通过监督式深度机器学习、基于词典的非监督过程或两者的结合来实现的。

我们有许多现成的数据集,如社交媒体、各种评论平台和公开的问答服务。爬取受欢迎的网站(在受允许的情况下)来提取新数据也很受欢迎,Twitter和亚马逊是特别受欢迎的选择。

视觉情感分析

作为多媒体情感分析的一部分,与基于文本的分析相比,视觉情感AI在开发和商业整合方面还远远不够。

当前情感分析应用的一个好例子是数字图像存储库中通过情感标识符(“幸福”、“爱”、“喜悦”、“愤怒”)进行视觉内容搜索,以及自动的图像和视频

得益于许多著名的带注释的静态图像数据集,我们可以很容易地对面部表情进行解释和分类。复杂或抽象的图像以及视频和实时视觉的情感分析是一个更大的问题,特别是遇到缺少具体

文本情感分析面临的挑战:无法识别双重含义、笑话和影射;无法解释语言和非母语语音结构的区域差异。

例如:对于情感AI来说,处理书面演讲中的讽刺可能是一项艰巨的任务,可能会存在对意义和意图的歪曲理解。虽然社交媒体通常是机器学习算法挖掘意见和意图的来源,但其中的语言无可否认是特定的,不一定是现实生活中的真实演讲。“AI聊天机器人在推特上呆了一天就变成了种族主义者”这类臭名昭著的事件很滑稽,但仍然很常见。

视觉情感分析的挑战:无法区分真实的和强迫的或夸张的情绪表达;不包括肢体语言;处理概念和抽象图像的问题。

例子:情感和情绪分析的一个显著应用是安全和防卫应用,例如,视觉测谎仪。到目前为止,与算法感知水平相关的问题在于理解真实情感的领域,或者缺乏真实情感的领域。虽然最近有一些成功的研究和发展,旨在识别真实和虚假的面部表情,但这些研究和发展仍然是相对小规模的,非常细分的,比如只涉及微笑时)。

语音情感分析的挑战:不考虑各种口音、地区语言模式、个人发音习惯等等。

许多非母语人士在说第二语言时仍保留着口音。在其他方面,口音可以表现为过渡调性、语速和停顿变化,而这些变化并不是第一语言所特有的。我们需要对其进行明确的解释,否则这些转变可能导致对情绪和意图的误解。

在我们开发更好的聊天机器人、智能助手、家庭和商业环境中的机器人向导,以及最终实现自我意识、移情和真正理解人类表达的人工智能的道路上,这些问题都是需要重点克服的。

原文作者:Veronika Vartanova

文章来源:正版香港马报免费资料

标签:王中王论坛资料,特马资料 白小姐,2019生肖号码对照表,香港九龙图库,香港正版挂牌之全篇