新研究:人工智能竟能精准检测文本情绪!
人工智能(AI)不单单是用于分析数据的工具,它还正在改变我们交流、工作和生活的方式。
但这些技术进步是否意味着 AI 可以在网上识别我们的感受?
在我们发表在《国际市场研究杂志》上的研究里,我们研究了 AI 是否能够检测 X(以前称为 Twitter)帖子中的人类情绪。
我们的研究重点在于某些非营利组织的相关二手帖子中所表达的情绪是如何影响后续行动的,比如决定向其捐款。
传统上,研究人员依靠情感分析,把消息划分为积极、消极或者中性。
虽说这种方法简单又直观,可它存在局限性。
人类的情绪要细致得多。例如,愤怒和失望都是负面情绪,但它们可能引发截然不同的反应。在商业环境中,愤怒的客户可能比失望的客户反应强烈得多。
为了应对这些局限,我们应用了一种人工智能模型,该模型能够检测推文中表达的特定情绪——例如喜悦、愤怒、悲伤和厌恶。
我们的研究发现,在 X 上表达的情绪可以作为公众对特定非营利组织的普遍看法的一种代表。这些感受对捐赠行为有着直接的影响。
我们使用“转换器迁移学习”模型来检测文本中的情绪。由谷歌和脸书等公司在大规模数据集上进行预训练,转换器是一种非常复杂的人工智能算法,擅长理解自然语言(即自然发展形成的语言,而非计算机语言或代码)。
我们在四个自我报告的情绪数据集(超过 360 万个句子)和七个其他数据集(超过 6 万个句子)的组合上对模型进行了微调。这使得我们能够描绘出在线所表达的广泛情绪。
例如,当阅读像‘在学校开始我们的早晨是最好的!在#目的 #孩子 处都是微笑。’这样的 X 帖子时,该模型会检测到喜悦是主要情绪。
相反,该模型会从一条推文中捕捉到悲伤情绪,上面写道:“我觉得自己失去了一部分。一个多月前我失去了妈妈,13 年前失去了爸爸。我感到迷茫和害怕。”
该模型在从文本检测情绪方面准确率达到了令人印象深刻的 84%
然后,我们查看了有关两个新西兰组织——弗雷德·霍洛基金会和奥克兰大学的推文。我们 发现 表达悲伤的推文更有可能促使向弗雷德·霍洛基金会捐款,而愤怒则与向奥克兰大学捐款的增加有关。
识别特定情绪对营销、教育和医疗保健等领域具有重要意义。
能够在特定的在线环境中识别人们的情绪反应,能够支持决策者对其个体客户或更广泛的市场做出回应。
在线社交媒体帖子中所表达的每一种特定情绪,都需要公司或组织做出不同的反应。
我们的研究表明,在捐赠方面,不同的情绪会导致不同的结果。
了解营销信息中的悲伤情绪可以增加对非营利组织的捐赠,从而开展更有效、更能引起情感共鸣的活动。愤怒可以促使人们对察觉到的不公正采取行动。
虽然变压器迁移学习模型在文本情绪检测方面表现出众,但下一个重大突破将来自于将其与其他数据源(如语音语调或面部表情)相结合,以创建更完整的情绪概况。
想象一下这样一个人工智能,它不仅能明白您写的东西,还能知晓您的感受。显然,这样的进步伴随着伦理挑战。
在技术持续发展的过程中,这些都是必须予以解决的关键问题。