ポジネガ判断

Shannon Lab株式会社では、ディープラーニングによるポジネガ分類の研究を行っております。
インターネットを利用することが当たり前となった現代社会において、自社製品が顧客からどのように評価されているかは企業の皆様が気にされるところだと考えております。
弊社のこのポジネガ判断は、そうした企業様方のお手伝いができることを願って開発されました。

そもそも、ポジネガ判断とはPythonというプログラミング言語を用いて、人間の放つ言葉の意味が肯定的(ポジティブ)なものか、それとも否定的(ネガティブ)であるのかを判断することですが、
弊社ではニューラルネットワークで学習させることでより精度の高い分類ができるよう目指しております。

ニューラルネットワークとは…

・文章を数学的に、ベクトルとして表現したもの
・最後の中間層の出力を確率に変換することで分類
・バックプロパゲーションという手法をもちいて、答えとの誤差を伝搬してモデル修正を行う
・これ繰り返してモデル修正を行うことで精度の高い言語モデルができます
・テスト時に最も精度の高かった学習結果を使用

前提として、1つの共通な回答のある文章があるとします。
この回答1つにつき、その答えが導かれる文章を200~300次元のベクトルにして、それら全てを人工知能に学習させるのです。
そのベクトルを(1000次元)多数層の隠れ層を通し、出力(2次元:ポジとネガ)の確率を計算します。
計算後、確率が高い方を分析結果として、分析結果を正解と比較します。
この一連の操作を繰り返すこと(ディープラーニング)によって、最適化された修正モデルを作成します。

こうしてニューラルネットワークのシステムを取り、もしも間違った学習結果があったとしても、ニューラルネットワーク内の膨大な層から間違えた原因の少数の層を抽出し、そこだけを修正することによりすぐに正しい学習結果に繋げることが可能です。

そうして、試行錯誤の結果、物語や論説文のような大きなまとまりのある文章でも、一文一文を解読させていくことで文章全体の書かれた意図を人工知能が読み取れるようになります。

では、こういったポジネガ判断がどのようにビジネスを円滑にするのでしょうか?

例えばですが、ある企業様が自社の新製品にかんするネガティブな意見を調べたい時。
インターネットの普及により、商品レビューをするHPのコメント欄などでは誹謗中傷の書き込みが昨今の世の中には日常化していますが、

例えば上の画像では、ネット掲示板にて某企業への誹謗中傷の発言が書き込まれています。
弊社のポジネガ判定では、御社で製造されている商品や御社自身に対しての利用者からのネガティブな反応(この商品、あんまりよくないな!この会社、好きじゃない!などの、誹謗中傷のような否定的な意見)の数がどのくらいあるかを分析し、その全体数におけるパーセンテージを計算し、提出いたします。

また、商品広告や商品そのものがどれぐらいポジティブなイメージを顧客に与えているのかを調査できるという利点もあります。


上の画像はある企業様で発売されている化粧品に対しての口コミですが、
ポジネガ判定ではネガティブな側面のみならず、カスタマーからのポジティブな反応(すごい!試してみたい!などの購買意欲の見られる反応)がどのぐらい存在するかを解析します。
もちろんこれは商品に限ったことではなく、御社自身のポジティブな企業イメージ、打ち出した商品広告への好評なども全て人工知能によって調査することができます。

マーケティング業界では「効果測定」という用語がありますが、

インターネット検索すると、こうしたポジティブあるいはネガティブな反応が山のようにありますが、それ一つひとつを人の手によって調査していくと大変に複雑になってしまいます。
さらに昨今の日本は労働人口の減少で慢性的な人手不足であり、そのため人件費はより高騰しています。
そこで新たな労働力として人工知能が活躍するのです。
人工知能がこのような作業を代行することによって、人件費は勿論、時間や手間の削減に役立ちます。
より良い製品を、より世の中に多く広めるために。
弊社はお客様のビジネスをスムーズに変革させていきたいと考えております。
初回のテストのみ四万円から、通常二十万円から承っております。
まずは一度、お気軽にご相談ください。