Сегодня мы запустили новую фичу в продашкн: теперь в RSA API доступно числовое представление тональности.

Santorini

Разберём на примере:

Проблемы со связью так и не решены.
Сегодня тестировали систему, вводили телефон билайн 89096593136, после чего 
поступал звонок, сообщали что это входящий звонок и далее абонент недоступен 
или находится вне зоны действия сети, хотя это не так. Тут же перезванивали 
на этот номер, просто с телефона и он был доступен. 
Проверяли ни один раз и все одно и тоже: через заявку на сайте он недоступен, 
если звонить просто с этой же трубки, то все ОК.

Здесь перечислен ряд проблем: с объектами “связь” и “заявка”, но есть и позитив: с объектом “номер”. Посмотрим, что выдаёт система по каждому из этих объектов.

{
"text": "Проблемы со связью так и не решены. Сегодня тестировали систему, вводили телефон билайн 89096593136, после чего поступал звонок, сообщали что это входящий звонок и далее абонент недоступен или находится вне зоны действия сети, хотя это не так. Тут же перезванивали на этот номер, просто с телефона и он был доступен. Проверяли ни один раз и все одно и тоже: через заявку на сайте он недоступен, если звонить просто с этой же трубки, то все ОК.",
"object_keywords": "связь",
"output_format": "json",
"include_strength": 1
}


Ответ системы:

{
"sentiment": "NEGATIVE",
"strength": "-2.0",
"synonyms": "[связь]"
}


Для “заявки” система выдаёт:


{
"sentiment": "NEGATIVE",
"strength": "-1.0",
"synonyms": "[заявка]"
}


И, наконец, по объекту “номер” получаем:


{
"sentiment": "POSITIVE",
"strength": "1.0",
"synonyms": "[номер]"
}


Что данная фича позволит делать вам, как клиентам RSA API?

1. Моделировать собственную сетку меток тональности, например от hate / dislike до like / love.
2. Анализировать разброс значений тональности и лучше понимать свои данные, возможно отсечь ненужные вам сообщения.
3. Строить собственные модели машинного обучения, где числовая метка тональности будет одним из сигналов о тексте.

Надеемся, что это будет полезной фичей. Чтобы её задействовать, выставьте в true дополнительный булевский флаг в JSON: include_strength: “true”. Выходное число в поле strength никак не ограничено, но подчиняется простому правилу: чем ближе число к нулю, тем более нейтрально сообщение по отношению к данному объекту либо в целом, если объект не найден или не обнаружен.

Успехов в работе с RSA API!

В production запущена новая версия RSA API (RussianSentimentAnalyzer API) версии 3.0. Это значительный релиз по сравнению с предыдущими релизами, носившими более инкрементальный характер.

1. Существенно улучшены алгоритмы определения объектной тональности. Теперь контекст целевого объекта в заданном тексте вычисляется ещё точнее. Поэтому передавать объекты в поле object_keywords стало как никогда важно (см. пред. пост).
2. Добавлена возможность искать объекты произвольной сложности.
3. Существенно переработаны полярные лингвистические единицы — с помощью них система реагирует на эмоциональную окрашенность в текстах.

Приведём пример текста и сложного объекта к нему, а также результат обработки на тональность:

Input:
{
  "text": "Я понимаю всю неловкость момента. Ведь уже накануне в Сети была целая серия рассказов очевидцев предыдущей репетиции Парада, которым показалось, что на танке были странные вмятины, что броня колыхалась на ветру, а из танка торчали какие-то нитки. И возникли серьезные подозрения, что перед нами катается не вполне танк, а некая картонно-фанерная демо-версия, концепт-кар, что это устройство может только ехать, но вряд ли сможет воевать.",
  "object_keywords": "очевидцев предыдущей репетиции Парада",
  "output_format": "json"
}

Output:
{

"sentiment": "NEGATIVE",

"synonyms": "[очевидцев предыдущей репетиции Парада]"

}

Помимо этого появилась новая фича, которая ещё не выведена в API: численная метка тональности. Это то число со знаком плюс или минус, на основе которого система решает какую метку тональности вернуть: POSITIVE или NEGATIVE, соответственно. Чем ближе к нулю данное число с двух сторон оси x, тем более нейтральная (либо смешанная, но равных сил) тональность в тексте. На основе данного числа и других численных параметров в ваших системах вы можете строить собственные модели тональности.