姓名? :? 李小娜
轉(zhuǎn)載至 :
http://www.lxweimin.com/p/39500574fdd4
[嵌牛導(dǎo)讀] :
? ? ? 情感分析是自然語言處理中的一項技術(shù)，也是文本挖掘中常用的方法。在產(chǎn)品中應(yīng)用情感分析技術(shù)也不少見，例如新浪的輿情大數(shù)據(jù)平臺運用情感分析對全網(wǎng)數(shù)據(jù)進行挖掘。另外在一些電商產(chǎn)品中，也會運用情感分析來進行商品評論挖掘，作為推薦系統(tǒng)的一部分。本文主要結(jié)合情感分析技術(shù)的應(yīng)用談?wù)勅斯ぶ悄墚a(chǎn)品的設(shè)計。
[嵌牛鼻子] : 人工智能產(chǎn)品設(shè)計? 互聯(lián)網(wǎng)產(chǎn)品設(shè)計? 情感分析產(chǎn)品設(shè)計
[嵌牛提問] : 人工智能產(chǎn)品的設(shè)計主要關(guān)注哪些?
[嵌牛正文] :
一、人工智能產(chǎn)品設(shè)計與互聯(lián)網(wǎng)產(chǎn)品設(shè)計的區(qū)別
人工智能產(chǎn)品的定義較為廣泛，智能硬件、機器人、芯片、語音助手等都可以叫做人工智能產(chǎn)品。本文討論的人工智能產(chǎn)品主要是指在互聯(lián)網(wǎng)產(chǎn)品中運用人工智能技術(shù)。
1、從用戶需求的角度看：
互聯(lián)網(wǎng)產(chǎn)品主要著手與解決用戶的痛點，對于C端產(chǎn)品來說，痛點就是指的個人想解決而無法解決的問題，如個人想要美化自己的照片，但是他不會復(fù)雜的PS軟件，于是美圖秀秀就可以解決這個痛點。從KANO模型中，就是滿足用戶的基本需求與期望需求。
人工智能產(chǎn)品（在互聯(lián)網(wǎng)產(chǎn)品中運用人工智能技術(shù)）則是要滿足用戶的興奮需求。如將情感分析運用到電商的產(chǎn)品評論中，用戶則可以通過可視化的數(shù)據(jù)展示來大致對產(chǎn)品有個全面、直觀的了解，而不再需要自己一頁一頁的翻看評論內(nèi)容。
2、產(chǎn)品設(shè)計角度看：
互聯(lián)網(wǎng)產(chǎn)品主要關(guān)注點在于用戶需求、流程設(shè)計、交互設(shè)計、商業(yè)模式等。著眼于用戶需求，設(shè)計滿足用戶需求的產(chǎn)品，通過合理的流程設(shè)計、交互設(shè)計達到產(chǎn)品目標，進而實現(xiàn)商業(yè)目標。典型的思路是發(fā)現(xiàn)用戶需求——>設(shè)計滿足用戶需求的產(chǎn)品——>迭代完善、產(chǎn)品運營——>商業(yè)變現(xiàn)。
人工智能產(chǎn)品關(guān)注點在于模型的構(gòu)建，它不再是對于布局、交互的推敲，而是通過選擇合適的數(shù)據(jù)，構(gòu)建合適的模型，最終呈現(xiàn)出來的是好的效果。什么是好的效果呢？這就需要引入評測指標。互聯(lián)網(wǎng)的評測指標有我們熟知的留存率、轉(zhuǎn)化率、日活躍等，那么人工智能的產(chǎn)品主要是通過一些統(tǒng)計指標來描述，以情感分析為例，把情感分析看成一個分類問題，則可以使用P、R、A、F值來描述。
1）查準率（Precision）：P值，衡量某類分類中識別正確的比例，如情感分析中，有10條被分類為“正向”，其中8條是分類正確的（由人工審核），那么P=8/10=80%
2）查全率（Recall）：R值，又叫查全率，又叫召回度，指的是某類被被正確分類的比例，同樣以情感分析為例，100條數(shù)據(jù)中有10條是正向的，機器分類后，這10條中有7條被分類為正向，則R=7/10=70%.
3)F值，因為P值和R值通常是兩個相互矛盾的指標，即一個越高另一個越低，F(xiàn)則是兩者綜合考慮的指標，不考慮調(diào)節(jié)P、R權(quán)重的情況下，F(xiàn)=2PR/(P+R)
4）精確度（Accuracy）：這個最好理解，就是被準確分類的比例，也就是正確率。如100條數(shù)據(jù)，90條是被正確分類的，則A=90/100=90%。
以上指標越高，說明模型效果越好。
二、情感分析產(chǎn)品設(shè)計
我們從上面內(nèi)容可以知道，人工智能產(chǎn)品設(shè)計關(guān)注：數(shù)據(jù)——>模型——>效果評估。
現(xiàn)在我們以情感分析為例子說明產(chǎn)品設(shè)計的過程。
1）數(shù)據(jù)：
數(shù)據(jù)的選擇對最終模型的結(jié)果有直接影響，情感分析，根據(jù)不同的目的，選擇的數(shù)據(jù)也不同。如將情感分析運用于電影票房預(yù)測，則一些更新及時、內(nèi)容豐富的數(shù)據(jù)源，如微博，是比較好的選擇。如果是應(yīng)用于商品的評價，如電子產(chǎn)品，很多評測內(nèi)容是無法在短短幾句話內(nèi)描述清楚的，這時候微博不是個好的選擇，選擇論壇上更新較慢、但是詳細的內(nèi)容就比較適合。
如果能在產(chǎn)品的早期就有引入人工智能的打算，則可以在產(chǎn)品中事先做好數(shù)據(jù)采集。
2）模型：
在選擇模型中，產(chǎn)品需要了解不同的模型的優(yōu)缺點，進而選擇更加合適的模型。在情感分析中，NB、SVM、N-gram都是常用的模型，其中SVM效果最好（這是已有的結(jié)論），如果是其他的智能產(chǎn)品，可能需要算法團隊進行實驗，給出測試數(shù)據(jù)，進而選擇合適的模型。
3）效果評估：
效果評估在上文中已經(jīng)描述得比較清楚，具體指標不再贅述。
4）產(chǎn)品呈現(xiàn)：
最后這一步，是將結(jié)果展示給用戶。在情感分析中，我們可以選擇雷達圖、詞云、情感趨勢圖來展示結(jié)果。取決于產(chǎn)品屬性，如電商產(chǎn)品評論挖掘，可以使用詞云；
如輿論分析，可以使用情感趨勢圖。
三、總結(jié)
人工智能產(chǎn)品的設(shè)計要關(guān)注：數(shù)據(jù)、模型、評判、呈現(xiàn)。
