我可以如何处理认知服务提供的不一致情绪检测?

What can I do with inconsistent sentiment detection provided by cognitive services?

使用 Text Analytics for sentiment detection 我有时会收到我认为不一致的结果。

它们可以通过一个简单的例子来证明:

我很伤心被标记为1%(0%表示非常消极)

你好我很伤心被标记为85%(100%表示非常积极)


有没有办法 improve/contribute 文本分析服务进行情绪检测?或者使用自己的类似于 LUIS 的模型来检测情绪?

或者是否有一些推荐的 service/library 用于在尝试情绪检测之前更改输入文本以获得更好的结果?


请在 https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics/

查看我用来测试给定示例的方法

和通过 API 使用 https://westeurope.api.cognitive.microsoft.com/text/analytics/v2.0/sentiment

的相同结果

输入:

{"documents": [{"id": "101","text": "I'm sad","language":"en"},
{"id": "111","text": "Hello I'm sad.","language":"en"}]}

结果:

{"documents":[{"score":0.0038561224937438965,"id":"101"},
{"score":0.84333503246307373,"id":"111"}],"errors":[]}

回答您原来的问题:为不正确的分数提供反馈的最佳方式是联系文本分析团队 (mlapi@microsoft.com)

对于提供的具体示例,我们将调查可能导致此问题的原因。机器不知何故了解到这是积极的,而我们当然知道它不是。

路易斯·卡布雷拉 |文本分析项目经理 |云人工智能平台,微软

我没有找到我正在寻找的东西,但我认为我的最后一步令人满意。

1) 我在 Azure Portal

中尝试 :-) 和 :-( 时没有反应

2) 我尝试 1) 并检查后没有反应 "Microsoft can email you about your feedback"

3) 我收到了 post 到 Whosebug When I tried Twitter 的建议,并已将 @Azure #CognitiveServices 放入我的推文中。不到 20 分钟就收到了回复。

4) 在这里我收到了在 mlapi@microsoft.com

问同样问题的建议

5) 经过简短的电子邮件交流后,我收到了以下以迄今为止最详尽的方式回答了我的问题的建议:

One possible solution would be to use the MS Spell check API to correct the text grammar before sending it to sentiment analysis, and also considering breaking the text to smaller sentence segments if possible.

For example, if this is part of a chat conversation or a letter, and there’s a new line or a comma after the greeting.

We would also be adding a few enhancements in the near future that will enable you to influence the model by providing dictionary hints. So you’ll be able to tell the model to ignore words like: “hello” or “hi” if you see they affect your specific scenario quite often.

Please let us know if you have any additional feedback, and feel free to suggest features in our UserVoice.