Analiza sentymentu wypowiedzi z wykorzystaniem elementów sztucznej inteligencji

Praca dotyczy istotnego problemu, jakim jest zróżnicowanie wyników analiz sentymentu generowanych przez różne modele językowe. Obecnie na rynku istnieje wiele rozwiązań, które oferują różne poziomy rozumienia tekstu naturalnego, w zależności od ich architektury oraz danych treningowych. Postawiono pytanie badawcze: w jakim stopniu wyniki analizy sentymentu są zbieżne między modelami, a w jakich obszarach i z jakich powodów modele te różnią się między sobą. Odpowiedzią na to jest zaproponowany system wielomodelowej analizy sentymentu integrujący pięć modeli językowych w jednolitym procesie przetwarzania, uzupełnionym o oryginalny mechanizm wykrywania wielu perspektyw i ważonego obliczania wyniku końcowego. Architektura systemu opiera się na punktach rozszerzeń umożliwiających dodawanie kolejnych źródeł oraz modeli.
Przeprowadzone zostały badania empiryczne na 510 zagadnieniach z siedemnastu różnych kategorii tematycznych przy wykorzystaniu utrwalonych danych wejściowych, co przełożyło się na 2550 wyników. Wykazano wysoką zgodność modeli w zakresie stosowania oceny liczbowej oraz umiarkowaną w klasyfikacji wydźwięku.