Ti abbiamo già parlato di Sentiment Analysis, oggi cerchiamo capire invece su quale tecnica si fondi, ossia quale sia uno degli strumenti principali che rendono possibile una valida analisi dei testi e delle opinioni espresse attraverso di essi. 

Prima fra queste è la NLP. L’elaborazione del linguaggio naturale (NLP) è una branca della scienza dell’intelligenza artificiale che studia come le macchine possano interagire con il linguaggio umano. 

Le tecniche di NLP sono alla base di tecnologie che oggi vediamo nella vita di tutti giorni (come ad esempio Siri nell’iPhone, chatbot, correttori ortografici o traduttori), o le analisi del Sentiment e delle opinioni dei clienti nei social media di cui abbiamo parlato in un articolo precedente.

Cerchiamo di comprendere po’ meglio in cosa consista. Innanzitutto si tratta di elaborazione del linguaggio naturale.

Per linguaggio naturale si intende la lingua che usiamo nella vita di tutti i giorni, come l’italiano o l’inglese. Dire “linguaggio naturale” è come dire “linguaggio umano”, distinguendolo così dal linguaggio formale, che include invece il linguaggio delle macchine e dei computer.

Rispetto al linguaggio formale, il linguaggio naturale è molto più complesso, contiene spesso termini sottintesi, numerose sfumature di significato, nonché talvolta delle vere e proprie ambiguità. Queste caratteristiche lo rendono molto complesso da comprendere e elaborare.

Nonostante tale complessità, cono state messe a punto delle tecniche apposite.

Come funzionano le tecniche di NLP?

In primis bisogna puntualizzare che le tecniche operano principalmente su testi. Per testi intendiamo  proprio delle sequenze di parole, formulate in una data lingua, che veicolano uno o più significati e /o messaggi. Alcuni esempi?pagine web, post, blog, informazioni aziendali.

Le sequenze di parole e i loro legami sono sanciti e stabiliti da diverse regole, afferenti a fonetica, fonologia, morfologia, sintassi, semantica, pragmatica, nonché al contesto globale del discorso. Sarà quindi necessario operare su ciascuna di queste aree per elaborare e conoscere il linguaggio. 

Oggi, nei casi che abbiamo prima menzionato, siamo posti al cospetto di frasi molto lunghe e complesse, che, per essere analizzate,  devono essere scomposte in unità elementari: le parole. Si rivela quindi necessaria l’analisi della singola parola, ma anche la comprensione della semantica dell’intera frase. Da un punto di vista tecnico, per passare dalla dimensione di analisi della singola parola alla comprensione della frase nel suo complesso (Natural Language Understanding), sono principalmente tre i task da prendere in considerazione:

• Word Disambiguation: associazione dei corretti significati alle parole
• Semantic Role Labeling: comprensione del contesto di utilizzo di una parola e del suo significato relativo al contesto
• Semantic Parsing: capire qual è la struttura di significato di un testo e ricondurlo a tale struttura

Una volta compreso il Come, ci resta da capire il Dove: ossia quali siano le applicazioni di queste tecniche.

• Analisi del sentiment (come già visto)
• Traduzione di testi
• Miglioramento del funzionamento di Chatbot
• Estrazione di informazioni da testi
• Classificazione degli argomenti presenti in un testo 

Ti avvali già di alcune di queste tecniche per il tuo lavoro? O non ne hai mai sentito parlare e vorresti sapere di cosa si tratta?

Facci sapere sui nostri canali social, noi continueremo ad approfondire l’argomento!