נניח שיש לך הזדמנות לקבל הערות או ביקורות מהלקוחות שלך או ממקור אחר ואתה רוצה להעריך עד כמה הם חיוביים. יש דרך לנתח הערות כאלה שנקראת ניתוח סנטימנטים. פוסט זה מתמקד בכלי ניתוח הסנטימנטים המבוסס על מודל רשת עצבית עמוקה באמצעות C#. דגם זה מתאים למגוון רחב של משימות.
API לניתוח סנטימנט עבור NET
אם אתה רוצה לבצע ניתוח סנטימנט באופן פרוגרמטי, GroupDocs.Classification משרת את המטרה הזו עבורך. הוא מיישם סיווג סנטימנטים למטרות כלליות שניתן להשתמש בו כדי להעריך את הטון של סקירות מוצרים, סקירות חנויות, ביקורות אפליקציות, משוב וכו'.
מאמר זה ידריך אותך לסיווג ההערות וינתח את החיוביות באמצעות C# עם GroupDocs.Classification עבור NET. אז לפני שתתחיל, אנא הקפד להתקין את ה-API מכל אחת מהשיטות הבאות:
כיצד לסווג טקסט באמצעות ניתוח סנטימנט ב-C#
כדי לפתור משימה כזו נוכל להשתמש במחלקה כללית בשם Classifier, או שנוכל להשתמש ב-Sentiment Classifier שהוא מחלקה קצת יותר פשוטה וקלה יותר. להלן השלבים:
- אתחול את SentimentClassifier.
- קראו לשיטת PositiveProbability של מחלקה SentimentClassifier והעבירו את הטקסט כפרמטר שצריך לנתח.
- שיטת PositiveProbability תחזיר את החיוביות הנעה בין 0 ל-1.
הנה קוד C# כדי למצוא את הטון של כל הצהרה באמצעות סיווג הסנטימנט. בחרנו את הסנטימנט הבא כדוגמה:
“ניסיון הוא פשוט השם שאנו נותנים לטעויות שלנו”
// Analyze the positivity of text using sentiment classifier in C#.
var sentiment = "Experience is simply the name we give our mistakes";
var sentimentClassifier = new SentimentClassifier();
/// PositiveProbability method returns the positive probability of the sentiment.
var positiveProbability = sentimentClassifier.PositiveProbability(sentiment);
Console.WriteLine($"Positive Probability of the sentiment { positiveProbability }");
Positive Probability of the sentiment: **0.1118**
כל ערך גדול מ-0.5 אומר שהסנטימנט חיובי והטווח שבין 0 ל-0.5 מראה שהוא שלילי.
כעת, לפי החיוביות שחולצה, אתה עשוי לקבל את המחלקה הטובה ביותר עבור הסנטימנט וההסתברות של המחלקה הטובה ביותר. מצאנו שההסתברות החיובית שלו היא 0.11, ולכן יש לסווג אותה כהערה שלילית והמחלקה הטובה ביותר שלה צריכה להיות שלילית במקום חיובית.
אז מה תהיה ההסתברות של המחלקה הטובה ביותר שלו? כן, זה יהיה 0.89. עכשיו נראה בקוד:
var sentiment = "Experience is simply the name we give our mistakes";
/// Classify method returns ClassificationResult object with the best class probability and name.
var response = sentimentClassifier.Classify(sentiment);
Console.WriteLine($"Best Class Name: {response.BestClassName}");
Console.WriteLine($"Best Class Probability: { response.BestClassProbability}");
Best Class Name: **Negative**
Best Class Probability: **0.8882**
סיווג הערות מרובות באמצעות ניתוח סנטימנט ב-C#
בדרך כלל יש לנו אלפי הערות ומשוב, אז איך נוכל לנתח את המשוב של הלקוחות שלנו? זה פשוט, פשוט שים את הפידבקים במערך. תן למערך המחרוזות להיות מקור הביקורת. זה יכול להיות גם קובץ או התגובה המנותחת ממסד נתונים או שירות. אנו יכולים להפוך את מערך המיתרים למערך הצף של הסתברויות סנטימנט חיובי.
var sentiments = new string\[\] {
"Now that is out of the way, this thing is a beast. It is fast and runs cool.",
"Experience is simply the name we give our mistakes",
"When I used compressed air a cloud of dust bellowed out from the card (small scuffs and scratches).",
"This is Pathetic."
};
var classifier = new GroupDocs.Classification.SentimentClassifier();
var sentimentPositivity = sentiments.Select(x => classifier.PositiveProbability(x)).ToArray();
Console.WriteLine(string.Join("\\n", sentimentPositivity));
**0.8959** - "Now that is out of the way, this thing is a beast..."
**0.1118** - "Experience is simply the name we give our mistakes"
**0.1252** - "When I used compressed air a cloud ..."
**0.0970** - "This is Pathetic."
מה אנחנו יכולים לעשות עם רגשות מטרה? אנו יכולים למדוד חיוביות ממוצעת או חציונית עבור מוצר היעד, חנות וכו’. בחר את הערכים הגרועים ביותר והגיב ללקוחות. אנו יכולים גם לבצע ניתוח כמו מציאת חוסר עקביות בין ערך ההסתברות החיובי של מוצר לבין הדירוג שלו.
אנו מקווים שתמצא את הפוסט הזה שימושי. אתה יכול למצוא עוד על סיווג טקסט או ניתוח סנטימנטים ב-C# מהמשאבים שהוזכרו.
למידע נוסף על GroupDocs.Classification API
הורדה והרצה של דוגמאות GitHub היא הדרך הטובה והקלה ביותר להתחיל.