[ad_1]
Khả năng phân tích tình cảm của trí tuệ nhân tạo có tiềm năng, nhưng một số trở ngại nhất định làm chậm sự tiến triển của nó. Công nghệ này không có khả năng tính đến những khác biệt văn hóa tinh tế trong ngôn ngữ có thể là nguyên nhân khiến tỷ lệ thâm nhập thấp. Tại sao các thuật toán lại gặp khó khăn với văn hóa? Đã có giải pháp nào chưa?
Vấn đề với Phân tích tình cảm thông thường
Một xử lý ngôn ngữ tự nhiên (Ngôn ngữ lập trình ngôn ngữ) khả năng giải mã thái độ hoặc ẩn ý của tin nhắn văn bản của mô hình này rất hứa hẹn nhưng lại thiếu độ tin cậy. Phân tích tình cảm thông thường thường bỏ qua những tín hiệu tinh tế và bỏ qua những cụm từ mang tính cảm xúc vì nó không có khả năng trí tuệ cảm xúc.
Trí tuệ nhân tạo thường nhầm lẫn giữa ẩn dụ, châm biếm và cường điệu vì nó hiểu mọi thứ theo nghĩa đen mà không xem xét ngữ cảnh, gây ra phân loại sai. Vì ngôn ngữ tượng hình khác với ngôn ngữ thông thường và không có nghĩa là được hiểu theo nghĩa đen theo định nghĩa, nên việc các thuật toán vật lộn với nó là điều không có gì đáng ngạc nhiên, nhưng đó có phải là một cái cớ không?
Mặc dù Ngôn ngữ lập trình ngôn ngữ công nghệ đã được thiết lập tốt, nó không hoàn hảo. Nhưng các công ty có nên mong đợi nó như vậy không? Rốt cuộc, con người trung bình gặp khó khăn trong việc nhận dạng lời nói tượng hình và giọng điệu dựa trên văn bản. Các mô hình có nên được giữ ở tiêu chuẩn cao hơn không? Tóm lại, câu trả lời là có. Những người sử dụng Trí tuệ nhân tạo để phân tích tình cảm nên dự đoán và giải quyết khả năng này.
Theo một nghiên cứu của IBM, khoảng 16% công ty đã sử dụng Ngôn ngữ lập trình ngôn ngữ– phân tích tình cảm thúc đẩy vào năm 2022 để cải thiện dịch vụ chăm sóc khách hàng và nhân viên. Vì công nghệ này vẫn đang trong giai đoạn áp dụng, nên việc giải quyết các vấn đề phân loại sai ngay từ đầu là rất quan trọng để được chấp nhận rộng rãi và dài hạn thành công.
Trong khi các công cụ phân tích tình cảm tiên tiến có thể cung cấp những hiểu biết có giá trị về cảm xúc của các thông điệp, độ chính xác của chúng cuối cùng phụ thuộc vào quá trình đào tạo của chúng tập dữ liệu. Những người ra quyết định hy vọng sử dụng công nghệ này để tiếp thị, giải quyết xung đột hoặc đo lường khả năng giữ chân nhân viên phải cân nhắc liệu họ có phát triển mô hình của mình với tính đa dạng hay không.
Tại sao sự khác biệt về văn hóa có thể dẫn đến phân loại sai
Cảm xúc, giọng điệu và biểu cảm không phải là phổ quát – các chuẩn mực xã hội khu vực và phương ngữ địa phương định hình chúng. Trong khi những người sống ở các nước phương Tây có xu hướng coi trọng cá tính và khả năng diễn đạt, nhiều người ở các quốc gia theo chủ nghĩa tập thể coi trọng cộng đồng, sự hy sinh và tính gián tiếp. Những khác biệt này thường thể hiện trong lời nói.
Hai người có xuất thân khác nhau có thể có cùng ý nhưng diễn đạt hoàn toàn khác nhau – và ngược lại. Ví dụ, chào ai đó bằng cách thẳng thắn nhận xét về ngoại hình của họ có thể biểu thị tình cảm ở một nền văn hóa và bị coi là thô lỗ ở nền văn hóa khác.
Bối cảnh là một yếu tố quan trọng vì các nền văn hóa khác nhau có quan điểm khác nhau về sự thẳng thắn và tiêu cực. Ví dụ, người dân ở Nhật Bản thường tránh từ chối trực tiếpthay vào đó là lựa chọn lời xin lỗi hoặc sự không chấp thuận ngầm. Trong trường hợp này, nỗ lực che đậy mong manh của một người nhằm làm dịu đi lời chỉ trích của họ bằng sự mỉa mai có thể trở thành trò đùa hiển nhiên đối với những người từ Hoa Kỳ.
MỘT Ngôn ngữ lập trình ngôn ngữ mô hình được thiết kế cho đối tượng phương Tây có thể phân loại cụm từ, “Cuộc họp đó rất vui. Tôi thích ngồi nghe điện thoại trong hai giờ thay vì nhận e mail về báo cáo”, là tích cực, mặc dù người nói có ý định mỉa mai.
Việc điều hướng các sắc thái văn hóa là một thách thức đủ lớn đối với người lớn tuổi. Một người mù ngữ cảnh Trí tuệ nhân tạo thiếu trí tuệ cảm xúc và tư duy phản biện cần phải được thực hiện ngay để bắt đầu hiểu được những khác biệt tinh tế trong giọng điệu, ý định và ngôn ngữ phát sinh do sự khác biệt trong các chuẩn mực địa phương, khu vực và xã hội.
Mẹo để tiến hành phân tích tình cảm xuyên văn hóa
Các thương hiệu đang cố gắng thực hiện phân tích tình cảm xuyên văn hóa nên cân nhắc những mẹo sau.
1. Sử dụng Phát hiện cảm xúc
Vì phân tích tình cảm tiêu chuẩn phát hiện cực tính – tích cực, trung lập hoặc tiêu cực – thay vì truyền đạt những cảm xúc cơ bản, nó tạo ra những mô tả kém chính xác hơn về dữ liệu văn bản. Mặt khác, phát hiện cảm xúc có thể xác định những cảm xúc phức tạp hơn được thể hiện trong văn bản bằng cách xem xét lựa chọn từ ngữ và sức mạnh tình cảm.
2. Tận dụng các tập dữ liệu đa dạng
Thật không might, giống như tất cả các thuật toán, Ngôn ngữ lập trình ngôn ngữ các mô hình thường vô tình phát triển thành kiến. Không tính đến sự khác biệt về văn hóa dựa trên ngôn ngữ trong quá trình phân tích tình cảm có thể dẫn đến định kiến, định kiến hoặc phân loại sai. Việc đa dạng hóa các tập dữ liệu để bao gồm nhiều nền văn hóa có thể giảm thiểu vấn đề này.
3. Phát triển một hệ thống bất định
Buộc một Ngôn ngữ lập trình ngôn ngữ mô hình phân loại mọi câu lệnh là phản trực giác vì sự tự tin thái quá của nó có thể làm sai lệch độ chính xác của kết quả đầu ra. Trí tuệ nhân tạo các kỹ sư nên tạo ra một cơ chế không chắc chắn, cho phép nó đánh dấu các cụm từ mà nó gặp vấn đề. Có một con người trong vòng lặp để xử lý các thông báo này dễ quản lý hơn là sửa lỗi phân loại sai.
4. Lựa chọn Phân tích Đa phương thức
Từ thông tin không có cấu trúc Tỉ lệ lên đến 90% dữ liệu các doanh nghiệp thu thập, họ dành phần lớn thời gian để dọn dẹp và chuyển đổi – sau đó tập dữ liệuÝ định ban đầu có thể bị mất khi dịch. Phân tích tình cảm đa phương thức xem xét hình ảnh, ngôn ngữ và âm thanh thay vì chỉ văn bản, làm tăng độ chính xác của nó.
5. Không dịch văn bản
Việc dịch văn bản sang ngôn ngữ phổ biến như tiếng Anh trước khi tiến hành phân tích tình cảm là một quyết định không khôn ngoan vì nó có thể làm sai lệch kết quả. Thay vào đó, những người ra quyết định nên phát triển một mô hình đa ngôn ngữ và phân tích nội dung bằng ngôn ngữ gốc của nó. Theo cách này, họ giảm thiểu việc dịch sai và giao tiếp sai, cải thiện độ chính xác của đầu ra.
Những cân nhắc quan trọng khi lựa chọn mô hình
Mô hình dựa trên quy tắc thường là một trong những mô hình đơn giản nhất. Nó áp dụng một bộ quy tắc được xác định trước vào văn bản để xác định các từ hoặc cụm từ cụ thể liên quan đến một số cảm xúc nhất định. Nó hữu ích khi doanh nghiệp chỉ cần nắm được cốt lõi của thông điệp hoặc có hệ thống con người trong vòng lặp để phân tích đầu ra để đảm bảo tính nhất quán.
Mô hình học sâu lý tưởng để xử lý các cụm từ không đầy đủ hoặc không chính thức. Mọi người thường sử dụng ngữ pháp không chính xác, cách diễn đạt không phù hợp và dấu câu không đầy đủ khi viết đánh giá hoặc sử dụng ứng dụng nhắn tin nội bộ – phương tiện mà nhiều công ty sử dụng để tiến hành phân tích tình cảm của họ.
Nghiên cứu cho thấy phương pháp tiếp cận mô hình kép có thể giúp ích Trí tuệ nhân tạo hiểu lời nói phức tạp. Nó đòi hỏi một mô hình được đào tạo rõ ràng để phân tích tình cảm và mô hình còn lại dành cho ngôn ngữ tượng hình – trong trường hợp này là châm biếm – để cải thiện phân loại tình cảm độc lập. Thuật toán đạt được tỷ lệ chính xác 80% và vượt trội hơn đối thủ của mình là 5,49%.
Xem xét văn hóa trong quá trình phân tích tình cảm
Sự khác biệt về văn hóa ảnh hưởng đến cách mọi người nói và ý nghĩa của chúng, khiến chúng trở nên cơ bản đối với bất kỳ phân tích tình cảm nào. Ngay cả khi Hoa Kỳ– thương hiệu dựa trên đào tạo một mô hình dành riêng cho khách hàng Mỹ, nó vẫn nên xem xét ngôn ngữ trong bối cảnh rộng hơn của văn hóa. Một Trí tuệ nhân tạo có khả năng phát hiện những điểm tinh tế này sẽ vượt trội hơn các thuật toán khác và đạt được độ chính xác cao hơn.
Bài Sự khác biệt về văn hóa tác động đến phân tích tình cảm như thế nào xuất hiện đầu tiên trên Dữ liệu.
[ad_2]
Source link