Sentiment Analyse van sociale media is het vakgebied waar we analyseren of een bericht positief, of negatief wordt gebruikt. Wij doen zoveel mogelijk de analyse op basis van woorden en zinnen binnen een artikel. Vaak herkennen we al de personen of bedrijven die genoemd zijn, en dat proberen we dan te relateren aan mogelijke positieve of negatieve bewoordingen. We hanteren voor onze sentiment analyse modellen die zijn ontwikkeld aan de University of Texas waarbij we deze geheel op de Nederlandse taal hebben aangepast.

Het analyseren van het sentiment in sociale media is een vak apart. Bij een recensie bijvoorbeeld, weet je van te voren dat het over een film gaat, een bespreking over een duidelijk onderwerp dus. En dus kun de taalanalyse die daarop volgt ook daar op richten. Dat werkt, en is ook technisch heel goed te doen. Maar bij het nieuws weet je van te voren nooit waar het over gaat. Neem nou bijvoorbeeld deze opmerking: ‘Beloning top ABN Amro lager’ . Dat zal voor veel mensen als positief worden beschouwd, maar de betreffende bankmedewerkers denken daar anders over. Of “Britten worstelen met uitslag”. Het ligt er maar net aan welke Brit je dat vraagt. Je kunt nieuwsartikelen in allerlei vormen vinden, objectief, subjectief, sarcastisch, grappig, etc, etc. En om daarna taalkundig eenvoudig te bepalen of een heel artikel positief of negatief, dat is een hele opgave. Nog lastiger is om individuele mensen of bedrijven binnen een artikel positief of negatief worden beoordeeld. “Android telefoons zijn beter dan de iPhone”. Positief voor Android, negatief voor iPhone….

Levert geautomatiseerde sentiment analyse bruikbare resultaten op?

Als algemeen geldende norm (en dan voor het Engelse taalgebied), is het heel goed als je een geautomatiseerd systeem dit laat bepalen, zo rond de 70-75% goed wordt aangegeven. Sentimentanalyse is vooral bruikbaar als indicatie en om trends te kunnen analyseren – meerdere artikelen over een langere tijd geven een goed beeld over de ‘stemming’ rond een bepaald onderwerp.

Handmatig vs Automatische analyse

Uit testen blijkt ook dat als je mensen en een geautomatiseerd systeem dezelfde set met artikelen ter beoordeling geeft, je ook op een vergelijkbaar percentage uitkomt. De kosten van handmatige analyse zijn echter vele malen hoger dan geautomatiseerde analyse. Vaak zie je dan ook dat handmatige analyse alleen op een klein deel van de berichten wordt toegepast.

Het analyseren van sentiment is een vak apart en is nog steeds volop in ontwikkeling. We blijven onze modellen trainen en verbeteren we sentiment analyse voor verschillende berichtsoorten. Daarnaast doen we zelf veel onderzoek en testen we de nieuwste inzichten in de markt op bruikbaarheid voor onze modellen.