Hoe ga ik om met mijn emoties?

2 november 2022

Artikel geschreven door Jeanine Schoonemann, Principal Consultant

Een inleiding in Emotie Detectie

Als je geïnteresseerd bent in NLP (natural language processing), dan ben je op de juiste plek. In dit artikel laten wij een mooie toepassing van NLP zien: emotie detectie. Ook bespreken we het verschil tussen emotie detectie en sentimentanalyse. Wil je emotie detectie in de praktijk zien? Kijk dan naar het notebook wat wij hiervoor hebben gemaakt.

Onze dagelijkse beslissingen worden sterk beïnvloed door onze emoties. Deze gevoelens zijn een cruciaal element in de menselijke ervaring van ons dagelijks leven. Wanneer iets ons gelukkig maakt, herhalen we het vaak, maar wanneer iets ons woede of verdriet doet voelen, vermijden we het (García, 2019). Dit aspect van ons dagelijks leven is een cruciaal element van de menselijke natuur.

Met de snelle ontwikkeling van de technologie is de analyse van emotie detectie een onderwerp dat in vele disciplines uitgebreid is onderzocht. Met behulp van Natural Language Processing (NLP) en Machine Learning kunnen we uit een tekst emotioneel gedrag van een individu opmaken.

NLP gebruikt computationele linguïstische technieken om machines te helpen menselijke talen in de vorm van teksten of spraak te begrijpen en te genereren. Via tekstuele gegevens kunnen we kleine subsets van gedragingen identificeren die de algemene emotie kunnen weergeven.

Wij kunnen ons voorstellen dat je je afvraagt wat dan het verschil is tussen emotie detectie en sentimentanalyse. Het primaire doel van beide taken is het analyseren en beter begrijpen van de toestand van een auteur. Sentimentanalyse richt zich op het analyseren en karakteriseren van een tekst in termen van polariteit (“positief”, “negatief” of “neutraal”).

Emotie detectie kan worden beschouwd als het bredere concept van sentimentanalyse, waarmee we bijvoorbeeld emoties kunnen identificeren zoals: geluk, angst, woede, etcetera. Wil je meer lezen over het verschil tussen deze taken en welke voor- en nadelen ze elk hebben? Deze blog van analyticsteps geeft een mooi overzicht van de materie. Laten we het nu wat meer hebben over de geschiedenis en de praktische component van emotie detectie.

Emotie detecteren via tekst

Tekstuele gegevens kunnen verschillende geassocieerde emoties bevatten en er zijn verschillende benaderingen van analyses. De eerste benadering van het detecteren van emoties werd in 1997 geïntroduceerd als “affective computing” door Since Picard. Sindsdien is er een grote ontwikkeling geweest van verschillende manieren waarop iemand tekstgegevens kan analyseren om de verschillende emoties van een auteur of spreker te identificeren.

Het kunnen identificeren van de emotionele toestand van een individu kan op vele terreinen nuttig zijn, bijvoorbeeld onderwijs, politiek, zelfmoordpreventie, het verbeteren van klantervaring en medewerkerstevredenheid, het genereren van emotievriendelijke chatbots, etc.

We kunnen deze vormen van tekstuele input en emotie detectie voor vele doeleinden gebruiken, bijvoorbeeld voor het begrijpen van gedrag, maar ook het genereren en voorspellen van conversatie-inhoud. Door de emoties te identificeren die door de tekst van de auteur worden vertegenwoordigd, kunnen we adequaat reageren door subjectieve informatie te extraheren uit tekstuele bronnen zoals recensies, feedback, berichten op sociale media, getranscribeerde gesprekken, en nog meer.

Organisaties kunnen emotiedetectietechnologie gebruiken in vele domeinen binnen een bedrijf. Denk hierbij aan het monitoren van de toon van klantfeedback, klantervaring, medewerkerstevredenheid en het verbeteren van reacties van een geautomatiseerd systeem zoals chatbots.

Met behulp van deze taken kunnen organisaties hun jaarlijkse winst/producten verbeteren door de emoties van klanten ten opzichte van hun producten te analyseren. Op basis van reviews en feedback kunnen ze een beter inzicht krijgen in de emoties van klanten.

Dit soort informatie kan helpen om de marketingstrategie van een bedrijf te verbeteren, evenals de kwaliteit van een product.

Voor de professional

Het hoofddoel van dit artikel was het introduceren van een emotiedetectietaak en het benadrukken van het belang van het detecteren van emoties via tekstuele gegevens.

Met deze blog tonen we de waarde van een NLP-taak zoals emotiedetectie. Dit soort NLP-taken kunnen een organisatie in veel domeinen ten goede komen. Denk aan klantervaring maar ook interne inzichten zoals houding en tevredenheid van werknemers.

Opmerkelijk is dat sociolinguïstische componenten van vitaal belang kunnen zijn voor de prestaties van een emotiedetectiemodel. Zo kan een culturele component van een individu de resultaten beïnvloeden, niet elke cultuur drukt emoties op dezelfde manier uit.

Bovendien zijn andere factoren zoals geslacht en leeftijd ook van belang, aangezien elk individu op zijn eigen unieke manier reageert en voelt.

Ten slotte is er nog een ander aspect, namelijk codeswitching, wanneer de spreker/auteur meer dan één taal gebruikt. Het wordt vaak gebruikt in de informele tekstomgeving, zoals sociale media, en het bevat een groot aantal emotionele uitdrukkingen (Wang et al., 2015). In dit geval moet in beide vormen rekening worden gehouden met de emotionele toestand of uitdrukking.

Mocht je na het lezen van dit artikel zelf aan de slag willen met emotie detectie, kijk dan hier voor een praktisch voorbeeld, inclusief code.

Vond je dit een leuk artikel en ben je geïnteresseerd in meer NLP artikelen? Lees dan vooral onze serie Natural Language Processing eens.