สมมติว่าคุณมีโอกาสได้รับความคิดเห็นหรือคำวิจารณ์จากลูกค้าของคุณหรือแหล่งข้อมูลอื่นๆ และคุณต้องการประเมินว่าพวกเขาเป็นบวกเพียงใด มีวิธีการวิเคราะห์ความคิดเห็นที่เรียกว่าการวิเคราะห์ความรู้สึก โพสต์นี้มุ่งเน้นไปที่เครื่องมือวิเคราะห์ความรู้สึกตามโมเดลโครงข่ายประสาทเทียมเชิงลึกโดยใช้ C# รุ่นนี้เหมาะสำหรับงานหลากหลายประเภท

API การวิเคราะห์ความรู้สึกสำหรับ .NET

หากคุณต้องการวิเคราะห์ความรู้สึกทางโปรแกรม GroupDocs.Classification จะตอบสนองวัตถุประสงค์นั้นสำหรับคุณ ใช้ตัวแยกประเภทความรู้สึกตามวัตถุประสงค์ทั่วไปที่สามารถใช้เพื่อประเมินลักษณะการรีวิวสินค้า รีวิวร้านค้า รีวิวการใช้งาน การตอบกลับ ฯลฯ

GroupDocs.Classification สำหรับ .NET

บทความนี้จะแนะนำคุณเกี่ยวกับการจัดประเภทของความคิดเห็นและวิเคราะห์ความคิดเห็นในเชิงบวกโดยใช้ C# กับ GroupDocs.Classification สำหรับ .NET ดังนั้น ก่อนที่คุณจะเริ่ม โปรดตรวจสอบให้แน่ใจว่าได้ติดตั้ง API จากวิธีใดๆ ต่อไปนี้:

วิธีจำแนกข้อความโดยใช้การวิเคราะห์ความรู้สึกใน C#

ในการแก้ปัญหาดังกล่าว เราสามารถใช้คลาสทั่วไปที่ชื่อ Classifier หรือเราสามารถใช้ Sentiment Classifier ซึ่งเป็นคลาสที่เรียบง่ายกว่าเล็กน้อยและมีน้ำหนักเบากว่า นี่คือขั้นตอน:

  • เริ่มต้น SentimentClassifier
  • เรียกเมธอด PositiveProbability ของคลาส SentimentClassifier และส่งข้อความเป็นพารามิเตอร์ที่ต้องวิเคราะห์
  • วิธี PositiveProbability จะคืนค่าผลบวกตั้งแต่ 0 ถึง 1

นี่คือรหัส C# เพื่อค้นหาโทนเสียงของข้อความใดๆ โดยใช้การจัดประเภทความรู้สึก เราได้เลือกความรู้สึกต่อไปนี้เป็นตัวอย่าง:

“ประสบการณ์เป็นเพียงชื่อที่เราให้ความผิดพลาดของเรา”

// 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**

ค่าใดๆ ที่มากกว่า 0.5 หมายถึงความเชื่อมั่นเป็นบวก และช่วงระหว่าง 0 ถึง 0.5 แสดงว่าเป็นลบ

ตอนนี้ตามผลบวกที่แยกออกมา คุณอาจได้รับคลาสที่ดีที่สุดสำหรับความรู้สึกและความน่าจะเป็นของคลาสที่ดีที่สุดนั้น เราพบว่าความน่าจะเป็นในเชิงบวกคือ 0.11 ดังนั้นควรจัดประเภทเป็นความคิดเห็นเชิงลบและระดับที่ดีที่สุดควรเป็นเชิงลบแทนที่จะเป็นเชิงบวก

ดังนั้นความน่าจะเป็นระดับที่ดีที่สุดคืออะไร ใช่ มันจะเป็น 0.89 ตอนนี้ให้ดูในรหัส:

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**

จำแนกความคิดเห็นหลายรายการโดยใช้การวิเคราะห์ความคิดเห็นใน C#

โดยปกติแล้ว เรามีความคิดเห็นและข้อเสนอแนะเป็นพันๆ รายการ ดังนั้นเราจะวิเคราะห์ความคิดเห็นของลูกค้าได้อย่างไร ง่าย ๆ เพียงใส่ผลตอบกลับในอาร์เรย์ ให้สตริงอาร์เรย์เป็นแหล่งตรวจสอบ นอกจากนี้ยังอาจเป็นไฟล์หรือคำตอบที่แยกวิเคราะห์จากฐานข้อมูลหรือบริการ เราสามารถเปลี่ยนอาร์เรย์สตริงเป็นอาร์เรย์ลอยของความน่าจะเป็นเชิงบวกได้

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."

เราสามารถทำอะไรกับความรู้สึกที่เป็นเป้าหมายได้บ้าง? เราสามารถวัดค่าเฉลี่ยหรือค่ามัธยฐานในเชิงบวกสำหรับสินค้าเป้าหมาย ร้านค้า ฯลฯ เลือกค่าที่แย่ที่สุดและตอบสนองต่อลูกค้า เรายังสามารถทำการวิเคราะห์ เช่น การค้นหาความไม่สอดคล้องกันระหว่างค่าความน่าจะเป็นที่เป็นบวกของผลิตภัณฑ์และการให้คะแนน

เราหวังว่าคุณจะพบว่าโพสต์นี้มีประโยชน์ คุณสามารถค้นหาเพิ่มเติมเกี่ยวกับการจำแนกข้อความหรือการวิเคราะห์ความรู้สึกใน C# จากแหล่งข้อมูลที่กล่าวถึง

เรียนรู้เพิ่มเติมเกี่ยวกับ GroupDocs.Classification API

การดาวน์โหลดและเรียกใช้ตัวอย่าง GitHub เป็นวิธีเริ่มต้นที่ดีที่สุดและง่ายที่สุด

ดูสิ่งนี้ด้วย