算法能讀帖

王劍冰

消費者喜不喜歡這款產品？喜歡產品哪一點？有多喜歡？企業忙著揣測“圣意”，殊不知這件事其實很簡單——答案就在隨處可見的網絡評論中。

小米筆記本值得購買嗎？《速度與激情8》好看嗎？知乎上的付費產品到底有沒有用？

遍布網絡的社交評論信息，傳遞著消費者最真實的聲音。輿情監控工作對于企業來說既重要，又難辦——這項工作僅靠人力很難做到“海量信息分析”，而大數據服務商因為缺乏相應技術，只能采集數據，無法進行準確分析，形成解決方案。

2016年9月，一群來自甲骨文、滴滴、特斯拉、華為的年輕人成立了語憶科技，做出了市面上首款中文文本情感解析引擎Kismet。

Kismet最大的革新之處就在于能夠從文本中分析18種細分情緒，并提煉出引起情緒變化的關鍵詞。比如，小米筆記本的產品評論以“憂慮”情緒為主，引起這個情緒的關鍵詞是“性能”。而其中的秘訣就在于語憶科技自主研發的半監督式機器學習算法，結合情感神經網絡模型，可以迅速從詞庫中關聯文本的細分情緒。相比之下，市面上的同類產品大多數只能分析出喜悅、憤怒等簡單情緒。

Kismet最直接的應用就是商業分析咨詢服務，比如幫助企業進行競品分析，挖掘產品屬性對應的用戶情感反饋，從而針對產品創新和改善服務提供建議。以語憶科技服務過的食品品牌商為例，“不好吃”是消費者對產品表達的負面情緒，引起情緒的關鍵詞中“口感不好”占比36.7%，“太甜”占18.4%。據此，企業的產品改良方案能做到有的放矢。

如果將視角拔高，從文本情緒分析上升到情感經濟來看，語憶科技還有更大的想象空間。

隨著智能硬件和服務機器人的普及度越來越高，Kismet情感解析技術可以集成到機器人產品中，對用戶輸入的文本進行情感分析。這能讓客服、禮賓、送餐、陪伴、娛樂類機器人變得“更懂感情”，實現人機交互體驗的一次飛躍。

語憶科技還能為廣告主提供服務。根據網絡文本中用戶對產品的態度，語憶科技對評論發布者進行分類分組，廣告主可以在“期待”“喜歡”等情緒強烈的渠道進行重點投放。

2017年3月，語憶科技還與杭州一家IP孵化公司達成合作。在網絡小說中，人物情緒波動明顯的內容更有可能成為爆款。通過情緒解析算法，語憶科技可以得到小說的情緒波動值，為IP孵化渠道提供參考依據。目前，語憶科技還在著手打造數據可視化通用SaaS平臺，企業可以自行提供數據進行批量情感分析。比起之前的定制化深度服務，這樣的模式更輕，更利于語憶科技迅速提高知名度。