প্রযুক্তি /> <মেটা নাম = সংবাদ_কিওয়ার্ডস সামগ্রী = ব্যবসায়

আমরা কী অনলাইনে লিখি তা থেকে কীভাবে অ্যালগরিদমগুলি আমাদের মেজাজটি নির্ধারণ করে উদ্ভাবন

অনেকে 2020 কে সবচেয়ে খারাপ বছর ঘোষণা করেছে। যদিও এই জাতীয় বিবরণ আশঙ্কাজনকভাবে সাবজেক্টিভ মনে হতে পারে, এক পরিমাপ অনুসারে, এটি সত্য।

সেই উদ্যানটি হেইডোনোমিটার, আমাদের সুখ এবং হতাশা উভয়ই মূল্যায়নের কম্পিউটারাইজড উপায় way এটি ভার্মন্ট ইউনিভার্সিটি (ইউভিএম) এর কম্পিউটারগুলিতে দিনের পর দিন ছুটে চলেছে, যেখানে এটি টুইটারের মাধ্যমে প্রতিদিন প্রায় 50 মিলিয়ন টুইট স্ক্র্যাপ করে এবং তারপরে জনগণের মেজাজটি দ্রুত এবং নোংরা পাঠ দেয়। হেডোনোমিটারের মতে, ২০০০ সালে ট্র্যাক রাখা শুরু করার পর থেকে ২০২০ সালটি সবচেয়ে ভয়াবহ বছর হয়ে দাঁড়িয়েছে।

দ্য হেডোনোমিটার কম্পিউটার বিজ্ঞানীরা 50 বছরেরও বেশি সময় ধরে কাজ করে যাচ্ছেন এমন একটি তুলনামূলকভাবে সাম্প্রতিক অবতার: শব্দগুলির সংবেদনশীল সুরটি মূল্যায়নের জন্য কম্পিউটার ব্যবহার করে। হেডোনোমিটার তৈরি করতে, ইউভিএম কম্পিউটার বিজ্ঞানী ক্রিস ড্যানফर्थকে এই টুইটগুলির পিছনে আবেগ বুঝতে একটি মেশিন শিখিয়েছিলেন - কোনও মানুষ সম্ভবত এগুলি সমস্তই পড়তে পারেনি। সংবেদন বিশ্লেষণ নামে পরিচিত এই প্রক্রিয়াটি সাম্প্রতিক বছরগুলিতে বড় অগ্রগতি করেছে এবং আরও এবং আরও ব্যবহার সন্ধান করছে।



G-hedonometer.png

হেডোনোমিটার টুইটের মাধ্যমে প্রকাশিত অনুভূতিগুলি ট্র্যাক করে, ২০০৮ সালের শেষের দিক থেকে একটি প্রচেষ্টা চলছে This এই স্ক্রিনশটটি আগস্টের মাঝামাঝি থেকে এখন অবধি উপস্থিত তথ্য দেখায় এবং কোভিড -১৯ মহামারীতে বিশ্বব্যাপী যাওয়ার সাথে মিল রেখে এই বছরের মার্চ মাসের প্রথম দিকে রেকর্ড কম প্রকাশ করেছে; জর্জি ফ্লয়েড হত্যার পরে মে মাসে সেই রেকর্ডটি ছিন্নভিন্ন হয়ে যায়। ডানদিকে দেখানো স্কেলের অংশ 1 (অত্যন্ত নেতিবাচক) থেকে 9 (অত্যন্ত ইতিবাচক) পর্যন্ত যায়। নীচে ধূসর ধূসর টুইটার পোস্টগুলির মোট ভলিউম দেখায়।(ভার্মন্ট বিশ্ববিদ্যালয়ে কম্পিউটেশনাল স্টোরি ল্যাব)

টুইটার ব্যবহারকারীর মানসিক তাপমাত্রা নেওয়ার পাশাপাশি গবেষকরা জলবায়ু পরিবর্তনের বিষয়ে মানুষের উপলব্ধি বিচার করতে এবং প্রচলিত বুদ্ধি যেমন, গৌণ ক্ষেত্রে, কোনও ছোট জলের চেয়ে ক্ষুদ্র কি না তা (এবং কতটা) তা পরীক্ষা করার জন্য অনুভূতি বিশ্লেষণ নিয়োগ করছেন। গ্রাহকদের অনুভূতি সম্পর্কে তথ্য লোভী ব্যবসায়গুলি ইয়েল্পের মতো প্ল্যাটফর্মগুলিতে পর্যালোচনাগুলি মূল্যায়ন করার জন্য অনুভূতি বিশ্লেষণের সদ্ব্যবহার করছে। কেউ কেউ এটি কর্মস্থলের অভ্যন্তরীণ সামাজিক নেটওয়ার্কগুলিতে কর্মচারীদের মেজাজ পরিমাপ করতে ব্যবহার করছেন। কৌশলটিতে চিকিত্সা অ্যাপ্লিকেশনও থাকতে পারে, যেমন সাহায্যের প্রয়োজনে হতাশাগ্রস্থ ব্যক্তিদের চিহ্নিত করা।



অনুভূতি বিশ্লেষণ গবেষকদের ডেটা প্রলয়ের যা আগে সময় সাশ্রয়ী ছিল এবং সংগ্রহ করা কঠিন ছিল তা পরীক্ষা করতে দেয়, ড্যানফোর্থ বলেছিলেন। সামাজিক বিজ্ঞানে আমরা সামগ্রিক গার্হস্থ্য পণ্যের মতো সহজ জিনিসগুলি পরিমাপ করতে ঝোঁক। সুখ একটি গুরুত্বপূর্ণ জিনিস যা পরিমাপ করা কঠিন।

‘ওয়ার্ড স্টু’ ডিকনস্ট্রাক্ট করা

আপনি ভাবতে পারেন সংবেদন বিশ্লেষণের প্রথম ধাপটি কম্পিউটারকে মানুষ কী বলছে তা বুঝতে শেখানো হবে। তবে এটি একটি জিনিস যা কম্পিউটার বিজ্ঞানীরা করতে পারেন না; ভাষা বোঝা কৃত্রিম বুদ্ধিমত্তার মধ্যে সবচেয়ে কুখ্যাত সমস্যাগুলির মধ্যে একটি। তবুও একটি লিখিত পাঠ্যের পিছনে আবেগের প্রচুর সংকেত রয়েছে, যা কম্পিউটারগুলি শব্দের অর্থ বুঝতে না পেরেও চিনতে পারে।

সংবেদন বিশ্লেষণের প্রথম দিকটি শব্দ-গণনা। ধারণাটি যথেষ্ট সহজ: ইতিবাচক শব্দের সংখ্যা গণনা করুন এবং নেতিবাচক শব্দের সংখ্যা বিয়োগ করুন। এমনকি ওজনযুক্ত শব্দের মাধ্যমে আরও ভাল ব্যবস্থা নেওয়া যেতে পারে: উদাহরণস্বরূপ, দুর্দান্ত, ভালের চেয়ে দৃ stronger়তর অনুভূতি প্রকাশ করে। এই ওজনগুলি সাধারণত মানব বিশেষজ্ঞরা দ্বারা নির্ধারিত হয় এবং শব্দ-থেকে-সংবেদনশীল অভিধান তৈরি করার অংশ যা বলা হয় লেকিকনস, যে অনুভূতি বিশ্লেষণ প্রায়শই ব্যবহার করে।



তবে শব্দ গণনা সহজাত সমস্যা রয়েছে। একটি হ'ল এটি শব্দ শৃঙ্খলা উপেক্ষা করে একটি বাক্যকে এক ধরণের ওয়ার্ড স্টু হিসাবে গণ্য করে। এবং শব্দ-গণনা প্রসঙ্গ-নির্দিষ্ট ইঙ্গিত মিস করতে পারে। এই পণ্য পর্যালোচনা বিবেচনা করুন: আমি এত খুশি যে আমার আইফোনটি আমার পুরানো কুরুচিযুক্ত ড্রডের মতো কিছুই নয়। বাক্যে তিনটি নেতিবাচক শব্দ রয়েছে (কিছুই নয়, পুরানো, কুরুচিপূর্ণ) এবং কেবলমাত্র একটি ইতিবাচক (খুশি)। একজন মানুষ তাত্ক্ষণিকভাবে সনাক্ত করতে পারে যে সেই পুরানো এবং কুরুচিপূর্ণ একটি আলাদা ফোন কম্পিউটারে উল্লেখ করে, এটি নেতিবাচক দেখায়। এবং তুলনাগুলি অতিরিক্ত অসুবিধাগুলি উপস্থাপন করে: এর মতো কিছুই বলতে কী বোঝায় না? এর অর্থ কি স্পিকার না অ্যান্ড্রয়েডের সাথে আইফোনটির তুলনা করছেন? ইংরেজি ভাষাটি এত বিভ্রান্তিকর হতে পারে।

এই জাতীয় সমস্যাগুলি সমাধান করার জন্য, কম্পিউটার বিজ্ঞানীরা ক্রমবর্ধমান আরও পরিশীলিত পদ্ধতির দিকে প্রত্যাবর্তন করেছেন যা মানুষকে পুরোপুরি লুপ থেকে বাইরে নিয়ে যায়। তারা মেশিন লার্নিং অ্যালগরিদম ব্যবহার করছে যা শব্দের মধ্যে অর্থপূর্ণ সম্পর্কগুলির মতো নিদর্শনগুলি সনাক্ত করতে একটি কম্পিউটার প্রোগ্রাম শেখায়। উদাহরণস্বরূপ, কম্পিউটার শিখতে পারে যে ব্যাংক এবং নদীর মতো শব্দগুলির জুড়ি প্রায়শই একসাথে ঘটে। এই সমিতিগুলি অর্থ বা সংবেদনকে সংকেত দিতে পারে। যদি ব্যাংক এবং অর্থ একই বাক্যে থাকে তবে এটি সম্ভবত একটি ভিন্ন ধরণের ব্যাংক।

জি-ভাষা-মডেল-পূর্বাভাস-alt.png

অগভীর নিউরাল নেটওয়ার্ক ব্যবহার করা কম্পিউটার সহজেই পরবর্তী শব্দের পূর্বাভাসের জন্য প্রশিক্ষণ দেওয়া যেতে পারে - একটি পরিচিত উদাহরণ হ'ল স্মার্টফোনে টাইপ করার সময় বৈশিষ্ট্যযুক্ত প্রস্তাবিত শব্দ। এখানে, একটি নিউরাল নেটওয়ার্ক প্রশিক্ষিত ভাষা মডেল বিভিন্ন শব্দ আপনি অনুসরণ করা উচিত যে সম্ভাবনা গণনা করে। নেটওয়ার্কটি পুরোপুরি প্রশিক্ষিত হয়ে গেলে, শব্দ এম্বেডিংস নামক গাণিতিক কাঠামো তৈরি করতে বিপরীত ইঞ্জিনিয়ারিং করা যেতে পারে, যা শব্দগুলিকে একসাথে প্রবাহিত করে link এগুলি বদলে, অনুভূতি বিশ্লেষণ সহ আরও কঠিন ভাষা-প্রক্রিয়াজাতকরণ কাজের ইনপুট হিসাবে ব্যবহৃত হয়।(জে। আলমমার / দ্য ইলাস্ট্রেটেড ওয়ার্ড 2 ভিইসি, (ব্লগ পোস্ট) 2019; জ্ঞাত ম্যাগাজিন থেকে গৃহীত)

২০১৩ সালে গুগল ব্রেইনের টমাস মিকোলোভ শব্দ এম্বেডিংস নামে একটি সরঞ্জাম নির্মানের জন্য মেশিন লার্নিং প্রয়োগ করেছিলেন, যখন এই জাতীয় পদ্ধতির একটি বড় পদক্ষেপ ২০১৩ সালে আসে। এগুলি প্রতিটি শব্দকে 50 থেকে 300 সংখ্যার তালিকায় রূপান্তর করে, একে ভেক্টর বলে। নম্বরগুলি একটি আঙুলের ছাপের মতো একটি শব্দ বর্ণনা করে , এবং বিশেষত অন্য শব্দগুলির সাথে এটি হ্যাঙ্গআউট থাকে।

এই বর্ণনাকারীগুলি পেতে, মিকোলভের প্রোগ্রামটি সংবাদপত্রের নিবন্ধগুলিতে লক্ষ লক্ষ শব্দের দিকে তাকিয়েছে এবং পূর্ববর্তী শব্দগুলি দেখিয়ে পরবর্তী পাঠ্য শব্দের পূর্বাভাস দেওয়ার চেষ্টা করেছিল। মিকোলভের এম্বেডিংগুলি প্রতিশব্দটি চিনে: অর্থ এবং নগদ অর্থের মতো শব্দগুলির মধ্যে খুব অনুরূপ ভেক্টর রয়েছে। আরও সূক্ষ্মভাবে, শব্দের এম্বেডিংগুলি প্রাথমিক উপমাগুলি ধারণ করে - যেমন রাজা ছেলেকে মেয়ে হিসাবে রানী করতে হয়, উদাহরণস্বরূপ - যদিও এই শব্দগুলি সংজ্ঞায়িত করতে পারে না (যেমন একটি উপমা দেওয়া হয়েছে যে এই জাতীয় উপমাগুলি স্যাট পরীক্ষাগুলি কীভাবে নির্ধারিত পারফরম্যান্সের অংশ ছিল)।

মিকোলভের শব্দের এম্বেডিংগুলি একটি লুকানো স্তর সহ নিউরাল নেটওয়ার্ক নামে পরিচিত by নিউরাল নেটওয়ার্কগুলি, যা মানব মস্তিষ্কে আলগাভাবে মডেল করা হয় have মেশিন লার্নিংয়ে অত্যাশ্চর্য অগ্রগতি সক্ষম করে আলফাগো সহ (যা বিশ্ব চ্যাম্পিয়নদের চেয়ে আরও ভাল গো খেলা খেলতে শিখেছে) সহ মিকোলভের নেটওয়ার্কটি ইচ্ছাকৃতভাবে অগভীর নেটওয়ার্ক ছিল, সুতরাং এটি অনুবাদ এবং বিষয় বিশ্লেষণের মতো বিভিন্ন কাজের জন্য কার্যকর হতে পারে।

গভীরতর নিউরাল নেটওয়ার্কগুলি কর্টেক্সের আরও কয়েকটি স্তর সহ, একটি নির্দিষ্ট বাক্য বা নথির প্রসঙ্গে শব্দের সংবেদন সম্পর্কে আরও বেশি তথ্য বের করতে পারে। একটি সাধারণ রেফারেন্স টাস্কটি হ'ল কম্পিউটারের জন্য মুভি রিভিউ পড়তে ইন্টারনেট মুভি ডেটাবেস এবং পূর্বাভাস দেয় যে পর্যালোচক এটি থাম্বস আপ দিয়েছে বা থাম্বস ডাউন করেছে কিনা। প্রাচীনতম অভিধান পদ্ধতি প্রায় 74 শতাংশ নির্ভুলতা অর্জন করেছিল। সর্বাধিক পরিশীলিত ব্যক্তিরা 87 শতাংশ পর্যন্ত উঠেছিল। ২০১১ সালে প্রথম স্নায়বিক জাল ৯৯ শতাংশ। আজ তারা 94 শতাংশ নির্ভুলতার উপরের দিকে সঞ্চালন করে - মানুষের কাছে পৌঁছে। (কৌতুক এবং কট্টরতা বড়সড় হোঁচট খাচ্ছে, কারণ লিখিত শব্দগুলি আক্ষরিক অর্থেই ভাবাবেগের বিপরীতে প্রকাশ করতে পারে))

নিউরাল নেটওয়ার্কগুলির সুবিধা থাকা সত্ত্বেও, অভিধান-ভিত্তিক পদ্ধতিগুলি এখনও জনপ্রিয়; উদাহরণস্বরূপ, হেডোনোমিটার একটি অভিধান ব্যবহার করে এবং ড্যানফোর্থ এটি পরিবর্তন করার কোনও ইচ্ছা রাখে না। নিউরাল জাল কিছু সমস্যার জন্য আরও নির্ভুল হতে পারে তবে এগুলি ব্যয় করে আসে। একা প্রশিক্ষণের সময়টি আপনি কম্পিউটারকে জিজ্ঞাসা করতে পারেন এমন একটি অন্যতম গণনামূলক নিবিড় কাজ।

মূলত, আপনি কত বিদ্যুতের দ্বারা সীমাবদ্ধ রয়েছেন, ওয়ার্টন স্কুলের রবার্ট স্টাইন বলেছেন, সংবেদন বিশ্লেষণের বিবর্তন 2019 সালে পরিসংখ্যান এবং এর প্রয়োগের বার্ষিক পর্যালোচনা । আলফাগো প্রশিক্ষণের জন্য গুগল কত বিদ্যুৎ ব্যবহার করেছে? স্টেইন বলে, আমি যে রসিকতা শুনেছিলাম তা সমুদ্রকে ফুটিয়ে তোলার পক্ষে যথেষ্ট ছিল।

বিদ্যুতের প্রয়োজনীয়তা ছাড়াও, নিউরাল নেটগুলির জন্য ব্যয়বহুল হার্ডওয়্যার এবং প্রযুক্তিগত দক্ষতার প্রয়োজন হয়, এবং স্বচ্ছতার অভাব রয়েছে কারণ কম্পিউটার প্রোগ্রামারের স্পষ্ট নির্দেশাবলী অনুসরণ না করে কম্পিউটার কীভাবে কাজটি সামলানো যায় তা নির্ধারণ করছে। শিকাগোর ইউনিভার্সিটি অফ ইলিনয়েসের বিং লিউ বলেছেন, অনুভূতি বিশ্লেষণের অন্যতম পথিকৃৎ শিকাগো দিয়ে ত্রুটি সংশোধন করা সহজ easier

মানসিক স্বাস্থ্য পরিমাপ

সংবেদন বিশ্লেষণ প্রায়শই কম্পিউটার বিজ্ঞানীদের অধীনে চলে আসে, তবে তা রয়েছে মনোবিজ্ঞানের গভীর শিকড় । ১৯62২ সালে, হার্ভার্ডের মনোবিজ্ঞানী ফিলিপ স্টোন জেনারেল ইনকয়েরার বিকাশ করেছিলেন, এটি মনোবিজ্ঞানে ব্যবহারের জন্য প্রথম কম্পিউটারাইজড সাধারণ উদ্দেশ্য পাঠ্য বিশ্লেষণ প্রোগ্রাম; 1990 এর দশকে, সামাজিক মনোবিজ্ঞানী জেমস পেনিবেকার লোকদের মনস্তাত্ত্বিক জগতের দৃষ্টিভঙ্গি হিসাবে অনুভূতি বিশ্লেষণের জন্য একটি প্রাথমিক প্রোগ্রাম তৈরি করেছিলেন (ভাষাগত তদন্ত এবং শব্দ গণনা)। এই পূর্বের মূল্যায়ণগুলি বিশেষজ্ঞরা দীর্ঘ-পর্যবেক্ষণ করেছেন বলে প্রকাশিত এবং নিশ্চিত হওয়া নিদর্শনগুলি: হতাশায় আক্রান্ত রোগীদের স্বতন্ত্রতা ছিল রচনা শৈলী যেমন আমি এবং আমার প্রায়শই সর্বনাম ব্যবহার করি। তারা নেতিবাচক প্রভাবের সাথে আরও শব্দ ব্যবহার করে এবং কখনও কখনও মৃত্যুর সাথে সম্পর্কিত শব্দও ব্যবহার করে।

গবেষকরা এখন বক্তৃতা এবং লেখার মাধ্যমে মানসিক স্বাস্থ্যের অভিব্যক্তিটি পরীক্ষা করছেন সামাজিক মিডিয়া পোস্ট বিশ্লেষণ । উদাহরণস্বরূপ ড্যানফোর্থ এবং হার্ভার্ডের মনোবিজ্ঞানী অ্যান্ড্রু রিস হতাশাজনিত বা পোস্ট-ট্রমাজনিত স্ট্রেস ডিসঅর্ডারগুলির আনুষ্ঠানিক নির্ণয়কারীদের টুইটার পোস্টগুলি বিশ্লেষণ করেছেন যা লিখিত ছিল পূর্বে নির্ণয়ে (অংশগ্রহণকারীদের সম্মতিতে)। হতাশার লক্ষণ দেখা দিতে লাগল হিসাবে হিসাবে নয় মাস আগে। এবং ফেসবুকের এমন ব্যবহারকারীদের সনাক্ত করার জন্য একটি অ্যালগরিদম রয়েছে যা মনে হয় আত্মহত্যার ঝুঁকিতে রয়েছে; মানব বিশেষজ্ঞরা মামলাগুলি পর্যালোচনা করে এবং যদি নিশ্চিত হয় তবে ব্যবহারকারীকে প্রম্পট বা হেল্পলাইন নম্বর প্রেরণ করুন।

জি-পূর্বাভাস-হতাশা-টুইটগুলি-alt.png

মোটামুটি ২০০ জন লোক, যার মধ্যে অর্ধেক হতাশাজনিত রোগ নির্ণয় করেছিলেন, তারা গবেষকরা তাদের টুইটার পোস্টে নির্ণয়ের আগে এবং পরে উভয়ই প্রবেশাধিকার দিতে সম্মত হন। নীল বক্ররেখার ফলে তাদের টুইটগুলির অনুভূতি বিশ্লেষণের উপর ভিত্তি করে শ্বাসকষ্ট হওয়ার পূর্বাভাসের সম্ভাবনা দেখা যায়, যা 0 দিনের দিন নির্ণয় করেছেন হতাশার জন্য। সবুজ বক্ররেখা সুস্থ অংশগ্রহণকারীদের জন্য হতাশার পূর্বাভাসের সম্ভাবনার প্রতিনিধিত্ব করে। নোট করুন যে দুটি বক্ররেখা দিন -200 (নির্ণয়ের 200 দিন আগে) থেকে দিন 0-এর চেয়ে আরও দূরে সরে গেছে, কারণ হতাশাগ্রস্থ রোগীদের দ্বারা ব্যবহৃত ভাষাটি তাদের সুস্থতার জন্য আরও ইঙ্গিত দেয়। নির্ণয়ের পরে 80 দিনের কাছাকাছি, ব্যবধান হ্রাস শুরু হয়, সম্ভবত হতাশাগ্রস্থ রোগীরা চিকিত্সা থেকে উপকৃত হচ্ছেন।(এ। জি রিস এট / বৈজ্ঞানিক প্রতিবেদনগুলি 2017; জ্ঞাত ম্যাগাজিন থেকে গৃহীত)

তবুও সামাজিক নেটওয়ার্কের ডেটা রোগীর যত্নে ব্যবহার করা থেকে এখনও অনেক দূরে। গোপনীয়তার বিষয়গুলি স্পষ্ট উদ্বেগের বিষয়। এছাড়াও, এই বিশ্লেষণগুলি কতটা কার্যকর তা দেখানোর জন্য এখনও কাজ করার দরকার আছে: মানসিক স্বাস্থ্য মূল্যায়নকারী অনেক গবেষণায় তাদের শর্তগুলি সঠিকভাবে সংজ্ঞায়িত করতে ব্যর্থ হয় বা ফলাফলগুলি প্রতিরূপ করার জন্য পর্যাপ্ত তথ্য সরবরাহ করে না, স্টিভি চ্যান্সেলর বলেছেন মানব-কেন্দ্রিক কম্পিউটিংয়ের বিশেষজ্ঞ উত্তর-পশ্চিম বিশ্ববিদ্যালয়, এবং সাম্প্রতিকের সহকারী যেমন 75 টি গবেষণা পর্যালোচনা । তবে তিনি এখনও বিশ্বাস করেন যে অনুভূতি বিশ্লেষণ ক্লিনিকগুলির জন্য দরকারী হতে পারে, উদাহরণস্বরূপ, যখন কোনও নতুন রোগীর ট্রিবিং করা হয়। এমনকি ব্যক্তিগত ডেটা ছাড়াই অনুভূতি বিশ্লেষণ মহামারী চলাকালীন কলেজ ছাত্রদের সাধারণ স্ট্রেস স্তর বা খাওয়ার ব্যাধিজনিত ব্যক্তিদের মধ্যে পুনরায় সংক্রামিত হওয়া সোশ্যাল মিডিয়া মিথস্ক্রিয়তার প্রবণতাগুলি সনাক্ত করতে পারে।

মেজাজ পড়া

অনুভূতি বিশ্লেষণ আরও হালকা মনে প্রশ্নগুলিকেও সম্বোধন করছে মেজাজে আবহাওয়ার প্রভাব । ২০১ 2016 সালে, নিক ওব্রাদোভিচ, এখন বার্লিনের ম্যাক্স প্ল্যাঙ্ক ইনস্টিটিউট ফর হিউম্যান ডেভেলপমেন্ট-এ, ফেসবুক থেকে প্রায় 2 বিলিয়ন পোস্ট এবং টুইটারের 1 বিলিয়ন পোস্ট বিশ্লেষণ করেছেন। এক ইঞ্চি বৃষ্টিপাত মানুষকে প্রায় 1 শতাংশে প্রকাশ করে আনন্দ প্রকাশ করে। নীচে হিমশীতল তাপমাত্রা এটিকে প্রায় দ্বিগুণ করে কমিয়ে দেয়। অবিশ্বাস্য - এবং আরও হতাশাজনক - সমীক্ষায়, ওব্রাদোভিচ এবং সহকর্মীরা বুঝতে টুইটারে সন্ধান করেছেন জলবায়ু পরিবর্তন সম্পর্কে অনুভূতি । তারা দেখতে পেল যে প্রায় পাঁচ বছর ধরে উত্তাপের উত্তাপের পরে, টুইটার ব্যবহারকারীদের স্বাভাবিক অনুভূতি পরিবর্তিত হয়ে যায় এবং তারা আর কোনও উত্তাপের তরঙ্গ সম্পর্কে টুইট করেন না। তবুও, ব্যবহারকারীর সুস্থতার বোধ এখনও প্রভাবিত হয়েছিল, তথ্য প্রদর্শন করে। এটি ব্যাঙকে ফুটানোর মতো, ওব্রাদোভিচ বলে। এটি আমার করা কোনও কাগজের সবচেয়ে বেশি উদ্বেগজনক অভিজ্ঞতামূলক ফলাফল ছিল।

সপ্তাহের সবচেয়ে খারাপ দিন হিসাবে সোমবারের খ্যাতিও তদন্তের জন্য উপযুক্ত ছিল। যদিও সোমবার হ'ল সপ্তাহের নাম যা সবচেয়ে নেতিবাচক প্রতিক্রিয়া প্রকাশ করে, মঙ্গলবারটি আসলে সেই দিনটি ছিল যেদিন মানুষ সবচেয়ে দুঃখজনক ছিল, ড্যানফোর্থের হেডোনোমিটারের টুইটগুলির একটি প্রাথমিক বিশ্লেষণ পাওয়া গেছে। শুক্রবার এবং শনিবার অবশ্যই আনন্দের দিন ছিল। তবে ২০১ US সালের মার্কিন রাষ্ট্রপতি নির্বাচনের পরে সাপ্তাহিক রীতি বদলেছে। ড্যানফোর্থ বলেছেন, সম্ভবত এখনও একটি সাপ্তাহিক সংকেত রয়েছে, তবে এতে সুপারিপোজড হ'ল এমন ঘটনাগুলি যা আমাদের মনোযোগ আকর্ষণ করে এবং জীবনের মূল বিষয়গুলির চেয়ে বেশি আলোচনা করা হয়, ড্যানফোর্থ বলে। অনুবাদ: টুইটারে রাজনীতি কখনই থামে না। তিনি বলেন, সপ্তাহের যে কোনও দিন সবচেয়ে দুঃখজনক হতে পারে।

আরেকটি সত্যবাদ পরীক্ষা করার জন্য রাখা হয়েছিল যে সঙ্গীতটিতে প্রধান জেলাগুলি নাবালিক কোর্ডের চেয়ে সুখী হিসাবে বিবেচিত হয়। ইন্ডিয়ানা বিশ্ববিদ্যালয়ের গণ্য সামাজিক বিজ্ঞানের বিশেষজ্ঞ ইয়ং-ইয়েল আহন এই ধারণাটিকে বিশ্লেষণ করে পরীক্ষা করেছেন গানের অনুভূতি যে 123,000 গানের প্রতিটি তীরের সাথে। প্রধান chords প্রকৃতপক্ষে সুখী শব্দের সাথে জড়িত ছিল, ..৩ এর তুলনায় নাবালিক chords (১-৯ স্কেল) for যদিও পার্থক্যটি ছোট দেখায়, এটি ক্রিসমাস এবং হেডোনোমিটারের একটি সাধারণ সপ্তাহের দিনের মধ্যে অনুভূতির মধ্যে প্রায় অর্ধেক পার্থক্য। আহন জেনারদের সাথে তুলনাও করেছেন এবং আবিষ্কার করেছেন যে 1960 এর দশকটি সবচেয়ে সুখী ছিল; ভারী ধাতু সবচেয়ে নেতিবাচক ছিল।

ওয়ার্ল্ড রেডিও সম্প্রচার 1938
জি-সেন্টিমেন্ট-গান-লিরিক্স-alt.png

গবেষকরা 1 টি (অত্যন্ত নেতিবাচক) থেকে 9 (অত্যন্ত ইতিবাচক) এর স্কেলে বিভিন্ন জেনার থেকে গানের গানের সংবেদনশীল সুরটি বিশ্লেষণ করেছেন। তারা 1960 এর দশকে সবচেয়ে উত্সাহী এবং পাঙ্ক এবং ধাতবকে সবচেয়ে হতাশ বলে মনে করেছিল found জেনারের সামগ্রিক সুরে গানের ক্ষেত্রে নির্বাচিত শব্দের অবদানও গবেষকরা পরীক্ষা করেছেন। প্রায়শই ব্যবহৃত শব্দের (তীরগুলি আপ) কম ব্যবহৃত হয় এমন প্রভাবগুলির প্রতিরোধ করতে পারে (নীচে তীরগুলি)। ভালবাসার মতো ইতিবাচক শব্দগুলি নীল রঙে নির্দেশিত হয়, এবং ঘৃণার মতো নেতিবাচক শব্দগুলি লাল হয় in(এ। কোলচিনস্কি এট আল / রয়্যাল সোসাইটি ওপেন সায়েন্স 2017 থেকে গৃহীত)

ব্যবসায়ের বুদ্ধি

ব্যবসায়ের বিশ্বও হাতিয়ার নিচ্ছে। সংবেদন বিশ্লেষণ সংস্থাগুলি দ্বারা ব্যাপকভাবে ব্যবহৃত হচ্ছে, তবে অনেকেই এটির বিষয়ে এতটা স্পষ্টভাবে ধারণা করেন না যে এর জনপ্রিয়তার অনুমান করা শক্ত is সবাই এটি করছে: মাইক্রোসফ্ট, গুগল, অ্যামাজন, প্রত্যেকে। লিউ বলেছেন, তাদের মধ্যে কয়েকটি গবেষণা গ্রুপ রয়েছে। আগ্রহের এক সহজেই অ্যাক্সেসযোগ্য পরিমাপ হ'ল বাণিজ্যিক এবং একাডেমিক সংবেদন বিশ্লেষণ সফ্টওয়্যার প্রোগ্রামগুলির নিছক সংখ্যা জনসাধারণের জন্য উন্মুক্ত : একটি 2018 মানদণ্ডের তুলনা এই জাতীয় 28 টি কর্মসূচি বিশদ

কিছু সংস্থাগুলি তাদের গ্রাহকরা সোশ্যাল মিডিয়ায় কী বলছে তা বোঝার জন্য সংবেদন বিশ্লেষণ ব্যবহার করে। সম্ভবত অ্যাপোক্রিফাল উদাহরণ হিসাবে, এক্সপিডিয়া কানাডা 2013 সালে একটি বিপণন প্রচারণা চালিয়েছিল যা ভুল পথে ভাইরাল হয়েছিল, কারণ লোকেরা স্ক্র্যাচু ব্যাকগ্রাউন্ড বেহালার সংগীতকে ঘৃণা করে। এক্সপিডিয়া দ্রুত বিরক্তিকর বাণিজ্যিক বিজ্ঞাপনটি নতুন ভিডিওগুলির সাথে প্রতিস্থাপন করে যা পুরানোটিকে মজাদার করে তোলে - উদাহরণস্বরূপ, তারা একজন অসন্তুষ্ট টুইটার ব্যবহারকারীকে আমন্ত্রণ জানিয়েছেন বেহালা ধ্বংস করতে। এটা প্রায়শই দাবি করা এক্সপিডিয়ার অনুভূতি বিশ্লেষণের মাধ্যমে সামাজিক যোগাযোগের প্রতিক্রিয়ায় সতর্ক করা হয়েছিল। যদিও এটি নিশ্চিত করা শক্ত, তবে এটি অবশ্যই বাছাইয়ের কাজ যা অনুভূতি বিশ্লেষণ করতে পারে।

অন্যান্য সংস্থাগুলি কর্মীদের সন্তুষ্টির উপর নজর রাখার জন্য সংবেদন বিশ্লেষণ ব্যবহার করে বলে রাখুন, পর্যবেক্ষণ করে আন্তঃ-সংস্থার সামাজিক নেটওয়ার্কগুলি । আইবিএম, উদাহরণস্বরূপ, সোশ্যাল পালস নামে একটি প্রোগ্রাম তৈরি করেছে যা কর্মচারীরা কী অভিযোগ করছে তা দেখার জন্য কোম্পানির ইন্ট্রানেট পর্যবেক্ষণ করে। গোপনীয়তার কারণে, সফ্টওয়্যারটি কেবলমাত্র সেই পোস্টগুলিতে নজর রেখেছিল যা পুরো সংস্থার সাথে ভাগ করা হয়েছিল। তবুও, এই প্রবণতা ড্যানফোর্থকে বিরক্ত করে, যিনি বলেছিলেন যে, আমার উদ্বেগ হ'ল সংস্থার নীচের লাইনের সাথে সামঞ্জস্য না করা কর্মীদের গোপনীয়তা। এটি করা একটি নীতিগতভাবে স্কেচি জিনিস।

অনুভূতি বিশ্লেষণ আরও সাধারণ হয়ে ওঠার কারণেই সম্ভবত নীতিশাস্ত্র একটি সমস্যা হতে থাকবে। এবং সংস্থাগুলি, মানসিক স্বাস্থ্য পেশাদাররা এবং এর ব্যবহার বিবেচনা করে অন্য যে কোনও ক্ষেত্রের মনে রাখা উচিত যে অনুভূতি বিশ্লেষণ অবিচ্ছিন্নভাবে প্রতিশ্রুতি দেওয়ার পরেও, সেই প্রতিশ্রুতি প্রদান করা ভ্রান্ত হতে পারে। মূলত যে গণিতগুলি বিশ্লেষণ করে তা হ'ল সহজ অংশ। শক্ত অংশটি মানুষকে বোঝা। লিউ যেমন বলেছেন, আমরা কী বুঝতে পারি তা বুঝতে পারি না।

জ্ঞাত জ্ঞাত ম্যাগাজিন বার্ষিক পর্যালোচনাগুলির একটি স্বাধীন সাংবাদিকতার প্রচেষ্টা।




^