Uchanganuzi wa hisia katika mitandao ya kijamii ni eneo linalojaribu kubaini kwa mbinu za kihesabu tathmini chanya, hasi, zisizoegemea upande wowote au za kina zaidi za kihisia ambazo watu huonyesha kuhusu mada, bidhaa, mtu, tukio au sera katika maudhui ya mitandao ya kijamii. Katika hatua zake za awali, eneo hili lililenga zaidi kugawa maandishi katika makundi chanya, hasi na yasiyoegemea upande wowote; leo limebadilika na kuwa muundo tata zaidi.

Mitandao ya kijamii sasa haijumuishi maandishi mafupi pekee. Picha, video, sauti, meme, emoji, hashtag, misururu ya maoni, matangazo ya moja kwa moja na mahusiano ya mtandao huathiri jinsi hisia zinavyotafsiriwa. Sentensi inaweza kuonekana isiyoegemea upande wowote ikiwa peke yake; lakini picha ya ucheshi iliyo karibu nayo, sauti ya kejeli au muktadha wa mjadala unaweza kubadilisha maana yake. Kwa hiyo, uchanganuzi wa hisia katika mitandao ya kijamii umekuwa eneo pana zaidi la utafiti kuliko uainishaji wa kawaida wa maandishi.

Ujumbe muhimu zaidi wa utafiti ni huu: Ingawa akili bandia na miundo mikubwa ya lugha huimarisha uchanganuzi wa hisia, hazitatui kikamilifu matatizo ya msingi ya eneo hili. Data ya mitandao ya kijamii ina kelele nyingi, muktadha umesambaratika, maudhui yanaweza kudanganywa, na bot pamoja na machapisho yanayotengenezwa na akili bandia yanaweza kuiga hisia halisi za binadamu. Kwa hiyo, uchanganuzi wa hisia katika mitandao ya kijamii hauhitaji tu modeli yenye nguvu zaidi; unahitaji pia muktadha bora, data ya kuaminika zaidi na tafsiri ya tahadhari zaidi.

Tatizo ni Nini?

Watu huendelea kutoa maoni katika mitandao ya kijamii kuhusu bidhaa, matukio ya kisiasa, chapa, filamu, migogoro, huduma za afya, maendeleo ya kifedha na maisha ya kila siku. Maudhui haya yanaweza kuonekana kuwa ya thamani sana kwa utafiti wa maoni ya umma, masoko, usimamizi wa migogoro, ufuatiliaji wa sera na utafiti wa kitaaluma. Hata hivyo, kuyaelewa si jambo rahisi.

Tatizo la kwanza ni kutokuwa na mpangilio wa lugha ya mitandao ya kijamii. Watumiaji hutumia vifupisho, emoji, misimu, mizaha, kejeli, dhihaka, misemo ya lugha nyingi na marejeo yanayotegemea muktadha. Sentensi “Imekuwa nzuri sana!” inaweza kweli kuwa chanya; lakini katika muktadha wa kejeli inaweza kumaanisha kinyume kabisa. Ikiwa mfumo wa uchanganuzi wa hisia hauwezi kutambua tofauti hii, utatoa matokeo yasiyo sahihi.

Tatizo la pili ni kwamba muktadha umesambaratika. Chapisho linaweza kurejelea mazungumzo ya awali, tukio la sasa, mzaha wa kitamaduni au mtindo unaoendelea ndani ya jukwaa. Ikiwa muktadha huu haujaandikwa wazi katika maandishi, mfumo unaweza kushindwa kubaini hisia halisi kwa kutazama maneno pekee.

Tatizo la tatu ni kwamba maudhui ya mitandao ya kijamii hayaakisi kila mara maoni halisi ya binadamu. Maudhui yaliyofadhiliwa, maoni bandia, akaunti za bot, kampeni zilizopangwa na sasa machapisho yaliyotengenezwa kwa akili bandia yanaweza kupotosha data ya hisia. Mfumo ukikubali maudhui haya kuwa maoni halisi ya umma, matokeo ya uchanganuzi yanaweza kuwa ya kupotosha.

Tatizo la nne ni hatari ya kutafsiri vibaya uchanganuzi wa hisia katika nyanja tofauti. Katika masoko unaweza kutumiwa kuelewa mtazamo wa watumiaji kuhusu chapa; lakini katika siasa unaweza pia kutumiwa kwa ufuatiliaji, propaganda au upotoshaji wa maoni ya umma. Katika fedha unaweza kutumiwa kufuatilia hali ya soko, lakini si chombo cha kuaminika cha kufanya uamuzi wa uwekezaji peke yake.

Mbinu Inapendekeza Nini?

Utafiti hauoni uchanganuzi wa hisia katika mitandao ya kijamii kama mbinu moja tu. Unaonyesha kwamba kihistoria eneo hili limeendelea kutoka uainishaji wa kawaida wa maandishi kwenda ujifunzaji wa kina, kisha kuelekea mbinu za aina nyingi za data na mbinu zinazotegemea miundo mikubwa ya lugha.

Katika hatua za awali, uchanganuzi wa hisia mara nyingi uliainisha maandishi kuwa chanya, hasi au yasiyoegemea upande wowote kwa kuchunguza maneno yaliyomo. Mbinu hii iliweza kufanya kazi hasa kwenye maandishi yaliyopangwa zaidi kama maoni ya bidhaa. Hata hivyo, kwa sababu lugha ya mitandao ya kijamii ni fupi zaidi, ya haraka zaidi, isiyo na mpangilio zaidi na hutegemea muktadha zaidi, mbinu hizi zilibaki na mipaka.

Mbinu za ujifunzaji wa kina zilianza kuwakilisha maneno si kama vipengele vilivyogandishwa katika kamusi tu, bali ndani ya mahusiano ya maana. Mbinu za uwakilishi wa maneno zinazoitwa word embedding ziliweza kusimba maneno yaliyoandikwa tofauti lakini yenye maana inayofanana, kama “favorite” na “favourite”, katika nafasi zilizo karibu. Miundo kama CNN na RNN iliweza kuzingatia kwa kiwango bora zaidi mpangilio wa maneno na muktadha.

Aspect-Based Sentiment Analysis, yaani uchanganuzi wa hisia unaotegemea kipengele, huchunguza vipengele tofauti vya maandishi kimoja kimoja badala ya kutoa alama moja ya jumla ya hisia. Kwa mfano, mtumiaji anayesema “Kamera ya simu ni nzuri sana lakini betri ni dhaifu” ametoa hisia chanya na hasi kuhusu bidhaa hiyo hiyo. Mbinu hii inalenga kutoa hisia chanya kwa kamera na hasi kwa betri.

Uchanganuzi wa hisia wa aina nyingi za data huzingatia pia vipengele visivyo vya maandishi. Katika mitandao ya kijamii, hisia zinaweza kujitokeza si katika maneno pekee bali pia katika picha, video, sauti ya msemaji, sura ya uso, muziki, muundo wa meme na muktadha wa maoni. Kwa hiyo, kutathmini kwa pamoja data ya maandishi, picha, sauti na video kunaweza kutoa matokeo yanayoakisi hali halisi kwa kiwango kikubwa zaidi.

Grafu za maarifa na mbinu zinazotegemea maarifa ya eneo huwa muhimu wakati tafsiri ya hisia inategemea muktadha. Neno linaweza kuwa lisiloegemea upande wowote katika lugha ya kawaida, lakini likawa na hisia kali katika eneo maalumu kama afya, fedha, michezo au siasa. Grafu za maarifa hujaribu kuongeza muktadha huu kwenye modeli kupitia dhana na mahusiano kati yao.

Miundo mikubwa ya lugha imebadilisha tena eneo hili. LLM, yaani miundo mikubwa ya lugha, inaweza kuelewa muktadha mrefu vizuri zaidi, kufanya kazi katika lugha tofauti, kutekeleza kazi kwa mifano michache na kuchambua miundo changamano ya sentensi. Hata hivyo, miundo hii pia huleta matatizo mapya kama matokeo yenye nasibu, muundo wa kisanduku cheusi, ugumu wa tathmini na upendeleo.

Formuli Zinaeleza Nini?

Utafiti huu hauna fomula ya hisabati wala mlinganyo wa modeli ya majaribio. Maandishi ni makala ya ensaiklopidia yanayoeleza uchanganuzi wa hisia katika mitandao ya kijamii kwa mtazamo wa dhana na mbinu. Kwa hiyo, hakuna fomula asilia ya MathJax ya kuhamishwa kutoka kwenye utafiti.

Hata hivyo, mantiki ya msingi ya eneo hili inaweza kuonyeshwa kwa urahisi kwa msomaji wa Verianla kama ifuatavyo:

Usemi huu haupo katika utafiti kama fomula halisi; ni muhtasari wa uhariri uliotayarishwa kuonyesha kwa nini uchanganuzi wa hisia katika mitandao ya kijamii ni mpana zaidi kuliko uainishaji wa kawaida wa maandishi.

Uainishaji wa kawaida wa hisia unaweza kurahisishwa kama ifuatavyo:

Hapa \(x\) inawakilisha maudhui ya mitandao ya kijamii yanayochanganuliwa; \(f(x)\) inawakilisha darasa la hisia ambalo modeli inalitoa kwa maudhui hayo.

Katika uchanganuzi wa hisia unaotegemea kipengele, badala ya kutoa alama moja ya jumla, hisia tofauti hutolewa kwa kila kipengele:

Hapa \(a_i\) inawakilisha kipengele maalumu kinachohusiana na bidhaa, sera, huduma au tukio; \(s_i\) inawakilisha tathmini ya hisia kuhusu kipengele hicho. Kwa mfano, katika maoni ya simu \(a_1\) inaweza kuwa kamera, \(a_2\) betri na \(a_3\) bei.

Onyo muhimu zaidi katika uchanganuzi wa mitandao ya kijamii linaweza kufupishwa kama ifuatavyo:

Kwa sababu data ya mitandao ya kijamii inaweza kuundwa na bot, maudhui yaliyofadhiliwa, uonekano unaodhibitiwa na algoriti, sheria za majukwaa, akaunti bandia na maandishi yanayotengenezwa na akili bandia.

Ujumbe Mkuu wa Grafu, Jedwali na Mchoro

Maelezo ya kimuundo ya utafiti yanaonyesha kwamba uchanganuzi wa hisia katika mitandao ya kijamii umepitia mabadiliko makubwa matatu. Katika hatua ya kwanza, uchanganuzi wa hisia ulikuwa zaidi uainishaji wa maandishi yaliyotengwa kuwa chanya au hasi. Katika hatua ya pili, majukwaa ya mitandao ya kijamii yalipanua eneo hili: mwingiliano, mitandao, mabadiliko kwa muda, hashtag, mikondo ya maoni na usambazaji unaosambaa kwa kasi zikawa sehemu ya uchanganuzi. Katika hatua ya tatu, miundo mikubwa ya lugha na miundo ya aina nyingi za data iliingia na kufanya iwezekane kutafakari kwa pamoja maandishi, picha, sauti na video.

Kwa upande wa matumizi, utafiti unaonyesha kwamba uchanganuzi wa hisia katika mitandao ya kijamii si chombo cha masoko pekee. Maoni ya bidhaa na mtazamo kuhusu chapa yalikuwa maeneo ya mapema ya matumizi; lakini pia hutumiwa katika siasa, ufuatiliaji wa maoni ya umma, ufuatiliaji wa serikali, propaganda, ufuatiliaji wa masoko ya fedha na uchanganuzi wa sera. Upana huu wa matumizi unaonyesha nguvu ya mbinu huku pia ukiongeza hatari za kimaadili.

Ujumbe muhimu kuhusu aina za mitandao ya kijamii ni huu: Mitandao ya kijamii haijumuishi aina moja ya jukwaa. Blogu, microblogu, tovuti za mitandao ya kijamii, majukwaa ya kushiriki video, programu za picha, programu za ujumbe, majukwaa ya matangazo ya moja kwa moja, mijadala ya mtandaoni na wiki huunda aina tofauti za mawasiliano. Kwa hiyo, mbinu moja ya uchanganuzi wa hisia inaweza isitoe kiwango sawa cha mafanikio kwenye kila jukwaa.

Kwa upande wa aina za uchanganuzi, utafiti unaangazia maeneo matano ya upanuzi: uchanganuzi wa aina nyingi za data, mienendo ya muda, uchanganuzi wa mwingiliano, mahusiano ya mtandao na usambazaji wa hisia. Vichwa hivi vinaonyesha kwamba uchanganuzi wa hisia katika mitandao ya kijamii hauulizi tena tu “chapisho hili ni chanya?” bali pia maswali changamano kama “hisia hii ilisambaa vipi, nani aliiongeza nguvu, ilijikita katika mitandao ipi na ilibadilika baada ya tukio gani?”

Ujumbe mkuu wa sehemu ya miundo mikubwa ya lugha una pande mbili. LLM hutoa faida za kuelewa muktadha wa kina zaidi, kufanya kazi kwa mifano michache na kuchanganua lugha nyingi. Hata hivyo, uzalishaji wa matokeo yenye nasibu, muundo wa kisanduku cheusi, kutofahamika kwa data ya mafunzo, ugumu wa tathmini na upendeleo huleta kutokuwa na uhakika mpya katika uchanganuzi wa hisia.

Majaribio Yalifanywaje?

Utafiti huu haufanyi utafiti wa majaribio kwa maana ya kawaida. Hauwasilishi mafunzo ya modeli kwa seti mpya ya data, ulinganisho wa kiasi wa usahihi wala jaribio la maabara. Badala yake, umeandaliwa kama makala ya ensaiklopidia ya kitaaluma inayokusanya fasihi, mbinu, maeneo ya matumizi na changamoto zijazo katika uchanganuzi wa hisia katika mitandao ya kijamii.

Utafiti unaeleza maendeleo ya kihistoria ya uchanganuzi wa hisia katika mitandao ya kijamii kuanzia mbinu za mapema za ujifunzaji wa mashine. Tafiti za awali kama kazi ya Pang, Lee na Vaithyanathan kuhusu maoni ya filamu zinaonyeshwa miongoni mwa marejeo muhimu yanayoonyesha jinsi eneo hili lilivyojengeka kitaasisi kupitia ujifunzaji wa mashine.

Kisha upanuzi wa matumizi ya eneo hili unachunguzwa. Maoni ya bidhaa, kampeni za kisiasa, ufuatiliaji wa maoni ya umma, ufuatiliaji wa serikali, uchanganuzi wa sera, ufuatiliaji wa hisia za kifedha na usimamizi wa chapa vinajadiliwa kama maeneo ya matumizi. Sehemu hii inaonyesha kwamba uchanganuzi wa hisia umeondoka katika kuwa mbinu ya kiufundi ya uainishaji na kuwa chombo cha uchanganuzi chenye matokeo ya kijamii, kibiashara na kisiasa.

Katika sehemu ya mbinu, mikabala kama ujifunzaji wa kina, uchanganuzi wa hisia unaotegemea kipengele, uchanganuzi wa aina nyingi za data, grafu za maarifa na miundo mikubwa ya lugha inajadiliwa kwa kulinganisha. Hii humwonyesha msomaji kwamba eneo hili halitegemei familia moja tu ya modeli; mbinu tofauti zinahitajika kwa aina tofauti za data na malengo.

Katika sehemu ya mwisho, matatizo ya baadaye yanasisitizwa. Vizuizi vya upatikanaji wa data, mijadala ya faragha na ridhaa, maudhui bandia, akaunti za bot na machapisho yanayotengenezwa na akili bandia yanaonyeshwa kama hatari kuu zinazoathiri uaminifu wa uchanganuzi wa hisia.

Matokeo Yanaonyesha Nini?

Matokeo ya kwanza ni kwamba uchanganuzi wa hisia katika mitandao ya kijamii umevuka uainishaji wa kawaida wa maandishi. Leo eneo hili linaelekea kutathmini kwa pamoja maandishi, picha, video, sauti, muda, mwingiliano na mahusiano ya mtandao.

Matokeo ya pili ni kwamba data ya mitandao ya kijamii si kila mara kiashiria cha kuaminika cha maoni ya umma. Algoriti za jukwaa, sera za usimamizi wa maudhui, maudhui yaliyofadhiliwa, bot na akaunti bandia zinaweza kupotosha uchanganuzi wa hisia. Kuonekana kwa maudhui chanya zaidi kwenye jukwaa hakumaanishi lazima kwamba watu kwa kweli wana maoni chanya zaidi.

Matokeo ya tatu ni kwamba maeneo ya matumizi yamepanuka sana. Masoko na maoni ya bidhaa ni mifano ya mapema; lakini uchanganuzi wa hisia pia unatumiwa katika siasa, ufuatiliaji wa serikali, propaganda, fedha na ubunifu wa sera. Upanuzi huu unaonyesha kwamba mbinu inaweza kuwa yenye manufaa na pia yenye hatari.

Matokeo ya nne ni kwamba miundo mikubwa ya lugha imeimarisha eneo hili lakini haijaondoa matatizo ambayo hayajatatuliwa. LLM zinaweza kushika muktadha vizuri zaidi na kufanya uchanganuzi kwa mifano michache; hata hivyo, matokeo yanaweza kubadilika, michakato ya uamuzi si wazi, na mara nyingi haijulikani data ya mafunzo ina nini.

Matokeo ya tano ni kwamba maudhui yanayotengenezwa na akili bandia yanaweza kuleta mabadiliko ya msingi katika uchanganuzi wa hisia. Ikiwa sehemu kubwa ya maudhui ya mitandao ya kijamii inazalishwa na bot au mifumo ya akili bandia badala ya maoni halisi ya binadamu, “hisia” inayotolewa kutoka kwenye maudhui hayo huenda isiakisi uhalisia wa kijamii.

Kwa Nini Hili ni Muhimu?

Uchanganuzi wa hisia katika mitandao ya kijamii unatumiwa katika maeneo mengi, kuanzia chapa kuelewa kuridhika kwa wateja hadi serikali kufuatilia mwitikio wa umma, na kutoka utafiti wa kitaaluma hadi ishara za masoko ya fedha. Kwa hiyo, kuelewa mipaka ya mbinu ni muhimu angalau sawa na kujua uwezo wake wa kiufundi.

Kwa kampuni, uchanganuzi usio sahihi wa hisia unaweza kuelekeza mkakati wa bidhaa vibaya. Kwa taasisi ya umma, kusoma vibaya mitandao ya kijamii kunaweza kusababisha kushindwa kuona wasiwasi halisi wa jamii. Katika siasa, uchanganuzi wa hisia unaweza kusaidia kuelewa tabia ya wapiga kura, lakini pia hubeba hatari ya upotoshaji na ufuatiliaji. Katika fedha, hisia za mitandao ya kijamii peke yake si ishara ya uwekezaji ya kuaminika; tabia ya soko huundwa na vigezo changamano zaidi.

Utafiti huu unaweka wazi hasa jambo moja: Data ya mitandao ya kijamii si kwa yenyewe “sauti ya umma”. Algoriti za majukwaa, kanuni za maudhui, demografia ya watumiaji, bot, machapisho yaliyofadhiliwa na maandishi yanayotengenezwa na akili bandia huunda sauti hii. Kwa hiyo, matokeo ya uchanganuzi wa hisia yanapaswa daima kutafsiriwa pamoja na swali la jinsi chanzo cha data kilivyoundwa.

Kwa Verianla, thamani ya utafiti ni kuonyesha kwa pamoja upande wa kiufundi na wa kijamii wa uchanganuzi wa mitandao ya kijamii unaotegemea akili bandia. Miundo bora ni muhimu, lakini suala kuu si usahihi wa uainishaji pekee; tunahitaji mifumo ya uchanganuzi yenye tahadhari zaidi inayoweza kutofautisha hisia halisi za binadamu, muktadha na hatari ya upotoshaji.

Mambo ya Kuzingatia

Jambo la kwanza la kuzingatia ni kwamba utafiti huu ni makala ya ensaiklopidia, si ulinganisho wa majaribio wa modeli. Kwa hiyo, maandishi yanatoa utangulizi wa jumla na wa kielimu kuhusu uchanganuzi wa hisia katika mitandao ya kijamii; hayajaribu kwa kina utendaji wa modeli maalumu.

Jambo la pili linahusu matumizi ya kifedha ya uchanganuzi wa hisia katika mitandao ya kijamii. Data ya hisia kutoka habari au mitandao ya kijamii inaweza kutumiwa katika baadhi ya uchanganuzi wa soko; hata hivyo, maudhui haya si ushauri wa uwekezaji. Hisia za mitandao ya kijamii hazitoshi peke yake kutabiri kwa kuaminika mienendo ya soko.

Jambo la tatu linahusu siasa na ufuatiliaji wa maoni ya umma. Uchanganuzi wa hisia unaweza kusaidia kuelewa mielekeo ya maoni ya umma; lakini unapotumiwa kwa ufuatiliaji, propaganda au uelekezaji wa tabia unaweza kuleta hatari za kimaadili na kidemokrasia.

Jambo la nne ni mipaka ya miundo mikubwa ya lugha. Ingawa LLM zina uwezo mkubwa wa kuelewa muktadha, zinaweza kutoa matokeo yenye nasibu, kufanya kazi kama kisanduku cheusi, kubeba upendeleo na kufanya tathmini kuwa ngumu kwa sababu data ya mafunzo haijulikani kikamilifu.

Jambo la tano ni maudhui bandia na yanayotengenezwa na akili bandia. Ikiwa sehemu kubwa ya maudhui yanayochanganuliwa yanatoka kwa akaunti bandia, bot au maandishi yanayotengenezwa na AI, mfumo unaweza kuwa sahihi kiufundi katika uainishaji lakini kile unachopima huenda si mwelekeo halisi wa hisia za binadamu.

Hitimisho

Uchanganuzi wa hisia katika mitandao ya kijamii umebadilika na kuwa eneo tata zaidi kuliko uainishaji rahisi wa chanya na hasi. Leo eneo hili linapaswa kufikiriwa pamoja na maudhui ya aina nyingi, mahusiano ya mtandao, mabadiliko ya hisia kwa muda, mikondo ya mwingiliano, mienendo ya majukwaa na miundo mikubwa ya lugha.

Ujumbe mkuu wa utafiti ni huu: Akili bandia inaweza kuchanganua hisia za mitandao ya kijamii vizuri zaidi; lakini bila kutatua matatizo ya uhalisi wa data, muktadha uliosambaratika na upotoshaji wa maudhui, matokeo ya uchanganuzi wa hisia yanaweza kuwa ya kupotosha kwa urahisi.

LLM zimefanya uchanganuzi wa hisia katika mitandao ya kijamii kuwa wenye nguvu na unaonyumbulika zaidi. Hata hivyo, asili ya miundo hii yenye nasibu, kisanduku cheusi na uwezekano wa upendeleo huleta mambo mapya ya kuzingatia. Modeli iliyoendelea zaidi haimaanishi kiotomatiki tafsiri ya kijamii iliyoaminika zaidi.

Kwa Verianla, hitimisho kuu la utafiti ni wazi: Ili kuelewa ishara za hisia katika mitandao ya kijamii, si maneno pekee yanayopaswa kutathminiwa; jukwaa, muktadha, mwingiliano, mtandao, muda na ikiwa maudhui yametengenezwa na binadamu halisi vinapaswa kuangaliwa pamoja.

Dokezo la Chanzo na Mbinu

Maudhui haya yameandaliwa kwa kutegemea makala ya ensaiklopidia ya kitaaluma yenye ufikiaji wazi, “Social Media Sentiment Analysis”, iliyoandaliwa na Joyce Y. M. Nip na Benoit Berthelier na kuchapishwa mwaka 2024 katika jarida Encyclopedia. Utafiti unatoa tathmini ya jumla kuhusu ufafanuzi wa uchanganuzi wa hisia katika mitandao ya kijamii, maendeleo yake ya kihistoria, maeneo ya matumizi, aina za mitandao ya kijamii, uchanganuzi wa aina nyingi, uchanganuzi wa hisia unaotegemea kipengele, grafu za maarifa, miundo mikubwa ya lugha na hatari za baadaye.

Maudhui haya si tafsiri ya neno kwa neno; wazo kuu la utafiti limerahisishwa na kubadilishwa kuwa makala asilia ya uhariri kwa Kiswahili kulingana na mtindo wa uchapishaji wa Verianla.