Humørteste sosiale medier

Hvordan kan man hente ut humøret eller følelser fra store datamengder? Hva kan dataen brukes til?

Å forstå språk er en stor utfordring innen kunstig intelligens. Det er flere grunner til dette. Tvetydigheten av ord, ulik uttalelse og tonefall, ironi. Barn trenger årevis av intensiv læring for å beherske et språk. Selv en voksen nordmann har ofte vanskeligheter med å forstå enkelte ord og dialekter til andre nordmenn. To venner kan misforstå hverandre om de ikke er i samme kontekst. Og selv om i samme kontekst, oppstår misforståelser dersom de kommuniserer kun via tekst, særlig uten emojis 😉.

En litt enklere oppgave enn en robot man kan føre en samtale med (ala Cleverbot, som forøvrig hadde vært en drøm å kunne være med å utvikle), er å humørteste et stort sett med meldinger, som tweets. Antall tweets ligger på flere hundre millioner daglig, så datasettet er mer enn stort nok selv om vi bare skulle hente ut en liten andel av de. Oppgaven er i sin essens å kunne analysere en setning og si i hvilken grad skribenten er glad eller trist. Om denne fungerer nogenlunde godt trenger vi bare å analysere nok tweets for å kunne gi en poengsum på hvor glad folk er (eller rettere sagt hvor glade unge og litt over gjennomsnittlig utdannede amerikanere er – den jevne twitrer).

Resultatet kunne vi presentert på en nettside som en smileyface av varierende humør. Første del av oppgaven er som nevnt å kunne analysere en setning og sette en poengsum på hvor bra eller dårlig den er humørmessig. Dette kan løses (i sin letteste form) ved å ha en liste over følelsesladde ord, og en tilhørende verdi (f.eks. fra minus til pluss 10) for hvert ord. Man summerer opp summen av de ladde ordene i en tweet og får en poengsum. Metoden kunne så gradvis bli tweaket ved f.eks å benytte utropstegn og capslock som multipliers, blant mye annet. Listen over hvilke ord som er gode og dårlige ville selvsagt vært en saftig utfordring å lage, men heldigvis har noen andre allerede tatt seg bryet.

Vår “mood-analyzer” vil selvsagt ofte ta feil, ha problemer med hele konseptet “ironi” osv., men om datasettet er stort nok vil den sannsynligvis fungerer godt. Andre delen av oppgaven er da å hente dataen ut fra Twitter (sidenote: Når jeg tenker meg om, er vell egentlig dette den første delen av oppgaven). Å datamine samtlige tweets vil kreve en saftig kraftpumpe, og er noe man dessuten ikke får tilgang til i praksis. Men du kan få en representativ og god nok samling til å leke deg med

Lærdom og nytteverdi:

• Hvordan datamining Twitter
• Generell Twitter-API

Ulemper og utfordringer:

• Vil ikke virke korrekt på små datamengder.
• Ingen/lite praktisk nytte av applikasjonen.
• Ressurskrevende.

Utvidelser

• Istedet for å finne et generelt humør, finn humør knyttet til merkevarer og produkter. Lag så en merkevare/produkt-humør indeks.
• Samle data om aksjekurser for selskapene som fører merkevarene, og sett opp en hypotetisk aksjetrader – Se hvor godt den gjør det i forhold til indexen.