Misalkan Anda memiliki kesempatan untuk menerima komentar atau ulasan dari pelanggan Anda atau sumber lain dan Anda ingin mengevaluasi seberapa positifnya mereka. Ada cara untuk menganalisis komentar semacam itu yang disebut analisis sentimen. Posting ini berfokus pada alat analisis sentimen berdasarkan model jaringan saraf yang dalam menggunakan C#. Model ini cocok untuk berbagai tugas.

API Analisis Sentimen untuk .NET

Jika Anda ingin melakukan analisis sentimen secara terprogram, GroupDocs.Classification melayani tujuan itu untuk Anda. Ini mengimplementasikan pengklasifikasi sentimen tujuan umum yang dapat digunakan untuk mengevaluasi nada ulasan produk, ulasan toko, ulasan aplikasi, umpan balik, dll.

GroupDocs.Klasifikasi untuk .NET

Artikel ini akan memandu Anda untuk mengklasifikasikan komentar dan menganalisis kepositifan menggunakan C# dengan GroupDocs.Classification untuk .NET. Jadi sebelum memulai, pastikan untuk menginstal API dari salah satu metode berikut:

  • Instal menggunakan NuGet Package Manager.
  • Unduh the DLL and reference it into the project.

Cara Mengklasifikasikan Teks menggunakan Analisis Sentimen di C#

Untuk menyelesaikan tugas seperti itu, kita dapat menggunakan kelas umum bernama Pengklasifikasi, atau kita dapat menggunakan Pengklasifikasi Sentimen yang merupakan kelas yang sedikit lebih sederhana dan lebih ringan. Berikut langkah-langkahnya:

  • Inisialisasi SentimentClassifier.
  • Panggil metode PositiveProbability kelas SentimentClassifier dan teruskan teks sebagai parameter yang perlu dianalisis.
  • Metode PositiveProbability akan mengembalikan kepositifan mulai dari 0 hingga 1.

Berikut adalah kode C# untuk menemukan nada pernyataan apa pun menggunakan klasifikasi sentimen. Kami telah memilih sentimen berikut sebagai contoh:

“Pengalaman hanyalah nama yang kita berikan pada kesalahan kita”

// 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**

Setiap nilai yang lebih besar dari 0,5 berarti sentimennya positif dan kisaran antara 0 dan 0,5 menunjukkan bahwa itu negatif.

Sekarang menurut kepositifan yang diekstraksi, Anda mungkin mendapatkan Kelas Terbaik untuk sentimen dan kemungkinan Kelas Terbaik itu. Kami menemukan bahwa probabilitas positifnya adalah 0,11, sehingga harus diklasifikasikan sebagai komentar negatif dan Kelas Terbaiknya harus Negatif, bukan Positif.

Jadi berapa Probabilitas Kelas Terbaiknya? Ya, itu akan menjadi 0,89. Sekarang mari kita lihat di kode:

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**

Klasifikasi Banyak Komentar menggunakan Analisis Sentimen di C#

Biasanya kami memiliki ribuan komentar dan umpan balik, jadi bagaimana kami dapat menganalisis umpan balik pelanggan kami? Ini sederhana, cukup masukkan umpan balik ke dalam array. Biarkan array string menjadi sumber ulasan. Itu juga bisa berupa file atau respons yang diurai dari database atau layanan. Kita dapat mengubah array string menjadi array float dari probabilitas sentimen positif.

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."

Apa yang bisa kita lakukan dengan sentimen target? Kita dapat mengukur rata-rata atau median kepositifan untuk produk target, toko, dll. Pilih nilai terburuk dan tanggapi pelanggan. Kita juga bisa melakukan analisis seperti mencari ketidakkonsistenan antara nilai probabilitas positif suatu produk dengan ratingnya.

Kami harap posting ini bermanfaat bagi Anda. Anda dapat menemukan lebih banyak tentang klasifikasi teks atau analisis sentimen di C# dari sumber yang disebutkan.

Pelajari lebih lanjut tentang GroupDocs.Classification API

Mengunduh dan menjalankan contoh GitHub adalah cara terbaik dan termudah untuk memulai.

Lihat juga