Sentiment-Analyse

Was ist eine Sentiment-Analyse?

Die ursprüngliche Bedeutung von Sentiment lässt sich aus dem Französischen mit Empfindung oder Gefühle übersetzen. Eine Sentiment-Analyse kann demnach als Stimmungserkennung oder Tonalitätsanalyse gesehen werden. Betrachtet man z. B. ausschließlich die Verkaufszahlen eines Produktes, bleibt verborgen, wie sich die Meinung und das Empfinden potenzieller Kunden über das Produkt im Laufe der Zeit entwickelt. Durch die gezielte Analyse lassen sich sowohl einzelne Trends ableiten, sowie Rückschlüsse auf die Markenwahrnehmung ziehen. Die Stellung einer Marke kann bestimmt werden, indem man Kundenmeinungen in Blogs, Rezensionen und sozialen Netzwerken untersucht. Ebenso können Kampagnen, Serviceleistungen, Unternehmen, Trends und vieles mehr mit Hilfe der Sentiment-Analyse eingeschätzt werden.

Worauf muss man bei der Sentiment-Analyse achten?

Betrachtet man die unterschiedlichen Aspekte von Sprache, inkl. Stilmittel wie Ironie und Sarkasmus und weiteren Feinheiten, stellt sich die Frage, wie eine Sentiment-Analyse nun funktioniert. Es wird zwischen manueller und maschineller Analyse differenziert. Die manuelle Analyse meint, dass sich ein Mensch mit der Sichtung und Bewertung von Kommentaren nach positiv, neutral und negativ befasst. Auf Grund der täglich wachsenden Datenmengen ist das manuelle Vorgehen jedoch sehr arbeitsintensiv und wird in den meisten Fällen durch die maschinelle Analyse abgelöst. 

Im ersten Schritt der automatisierten Analyse sollen in unstrukturierten Textdaten Meinungsäußerungen automatisch identifiziert werden. Dazu nutzt man z. B. linguistische Quellen, d. h. eine vorher festgelegte Liste positiver und negativer Wörter, um vorab bei der Textanalyse die Meinungsäußerungen von den reinen Sachinformation zu trennen.

Beispiel: Hotel Bewertung

1. Das Hotel ist sehr gut mit dem Flughafenbus X9 in ca. 10–15 min erreichbar
   Sachinformation bezogen auf die Anbindung, sowie positive Meinungsäußerung zur Erreichbarkeit
2. Kaffee wird angeboten
   Sachinformation und neutrale Polarität
3. Angestellte sind sehr unfreundlich und nicht hilfsbereit
   Sachinformation und negative Meinungsäußerung

Welche Herrausforderungen gibt es?

Die verschiedenen Sprachfunktionen innerhalb einer einzelnen Äußerung stellen eine Herausforderung für Text- und Web-Mining-Systeme dar, denn je nach Zielsetzung müssen die relevanten Teile gezielt identifiziert und extrahiert werden. Informationsextraktion sucht nach Sachinformationen im Gegensatz zu einer Sentiment-Analyse, die auf die Erkennung von Emotions- und Meinungsäußerungen fokussiert ist. 

Zudem muss das System innerhalb der Meinungsäußerungen unter anderem zwischen direkter Meinung („Das Personal im Hotel ist mega nett“) und indirekter Meinung („Die Teilnehmer des Sprachkurses fühlten sich gut auf den bevorstehenden Auslandsaufenthalt vorbereitet“), sowie vergleichenden Meinungen („Einbindung des Systems mit Windows funktioniert gut, auch wenn es bei Apple einfacher geht.“) unterscheiden.