Sentiment Analysis, ovvero all’analisi del sentiment racchiuso in un testo: positivo, negativo o neutro
La sola analisi quantitativa (numero followers, engagement etc.) non è sufficiente per cogliere il sentiment.
Occorre, dunque, prendere in considerazione sia la natura dei dati sia il contenuto dei testi ed affiancare ai dati quantitativi un’analisi qualitativa finalizzata ad estrapolare il significato ed il sentiment contenuto in un testo.
Alla base della Sentiment Analysis vi è l’utilizzo di un motore semantico e quindi l’utilizzo di un software che analizza semanticamente il Web*.
*Web semantico. WWW dove i documenti pubblicati (pagine HTML, file, immagini, e così via) sono associati ad informazioni e dati (metadati) che ne specificano il contesto semantico in un formato adatto all’interrogazione e l’interpretazione (es. tramite motori di ricerca) e, più in generale, all’elaborazione automatica.
Analisi semantica automatizzata
Si inizia da un motore di ricerca semantico che funziona sulla base di keyword e, in un secondo momento, i messaggi sono analizzati facendo riferimento a regole sintattiche e grammaticali che un gruppo di linguisti computazionali ha precedentemente stabilito.
Il software è in grado di riconoscere le parole e le espressioni presenti nei testi grazie ad un lessico di sentiment che viene integrato con un vocabolario più avanzato che permette alla macchina di decodificare ciò che è stato detto. Il motore semantico è anche capace di comprendere l’intensità di un giudizio e quindi se il livello di polarità è alto, medio o basso.
I limiti del software
Esempi di output della sentiment analysis
Con questo articolo abbiamo concluso la mini serie di articoli sul Social Listening, qui puoi trovare la prima parte!
