[et_pb_section fb_built=”1″ admin_label=”section” _builder_version=”4.19.5″ background_color=”#020000″ custom_padding=”|0px||||” global_colors_info=”{}”][et_pb_row admin_label=”row” _builder_version=”4.16″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text _builder_version=”4.19.5″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n
<\/p>\n
Il dialogo uomo-macchina \u00e8 da decenni uno degli ambiti di ricerca pi\u00f9 attivi. Negli ultimi anni sono stati fatti grandi progressi nel campo dell\u2019NLP<\/strong> (Natural Language Processing), anche se, per via della complessit\u00e0 del linguaggio umano, la macchina non \u00e8 ancora in grado di comprendere perfettamente.<\/span><\/p>\n <\/p>\n Il Natural Language Processing<\/strong>, conosciuto come NLP,<\/strong> \u00e8 quel ramo di Artificial Intelligence che rende possibile al computer comprendere un testo scritto o delle frasi pronunciate ad alta voce, perch\u00e9 possa restituire un output.<\/span><\/p>\n La comprensione del linguaggio umano \u00e8 un\u2019azione complessa che include, non solo il significato delle singole parole, ma anche il senso logico e semantico della frase. In altre parole, perch\u00e9 il linguaggio naturale sia comprensibile alla macchina, bisogna prendere in considerazione fonetica, sintassi, semantica, fonologia, morfologia, pragmatica e l\u2019intero discorso in cui le parole si trovano.<\/span><\/p>\n \u00a0<\/span><\/p>\n Perch\u00e9 il computer sia in grado di comprendere un discorso nel suo complesso, sono tre i task principali da considerare:<\/span><\/p>\n \u00a0<\/span><\/p>\n Applicazioni dell\u2019NLP<\/strong><\/span><\/p>\n Gli utilizzi del Natural Language Processing sono molti e diversificati. Alcuni sono entrati ormai a far parte della nostra quotidianit\u00e0, come ad esempio gli assistenti virtuali<\/strong> (Alexa, Siri, Google, Cortana). Altri sono meno conosciuti, ma dall\u2019indiscussa utilit\u00e0, come l\u2019Automatic Summarization <\/strong>che produce in automatico una sintesi di uno o pi\u00f9 documenti testuali. Pu\u00f2 essere utilizzata per l\u2019estrazione di informazioni da documenti di governance (report, procedure), documenti amministrativi (fatture, contratti).<\/span><\/p>\n Vediamo altri esempi:<\/span><\/p>\n \u00a0<\/span><\/p>\n Come accennato nel paragrafo precedente, la Sentiment Analysis<\/strong> \u00e8 quella branca di Artificial Intelligence<\/strong> incaricata di analizzare dati testuali per rilevare il sentimento o l\u2019opinione positiva, negativa e neutra. Viene utilizzata spesso nel marketing<\/strong> per monitorare un feedback di tipo qualitativo nei confronti di brand, prodotti e servizi. \u00c8 utile anche in ambito customer care<\/strong>, infatti, d\u00e0 la possibilit\u00e0 di individuare pi\u00f9 velocemente i commenti negativi dei clienti e rispondere il prima possibile, evitando che lo scontento cresca e rechi danni alla reputazione del brand.<\/span><\/p>\n Insomma, le applicazioni sono diverse e in futuro sicuramente sentiremo sempre pi\u00f9 parlare di Sentiment Analysis. Questo perch\u00e9, a prescindere dall\u2019utilizzo che ne possiamo fare, essa presenta tre grandi vantaggi:<\/span><\/p>\n Gli elementi sopracitati vengono incontro a importanti esigenze aziendali. Infatti, le organizzazioni accumulano un\u2019enorme mole di dati destrutturati che richiederebbero un eccessivo costo, a livello economico e di tempo, per essere analizzati manualmente. Inoltre, se fossero delle risorse umane ad occuparsene, ogni persona utilizzerebbe criteri diversi per definire un testo \u201cpositivo\u201d o \u201cnegativo\u201d, portando a un\u2019analisi basata su criteri incoerenti e quindi poco utile. Un\u2019altra esigenza \u00e8 quella di avere una visione in tempo reale del sentiment dei pubblici interessati, in modo di poter agire prontamente.<\/span><\/p>\n Non c\u2019\u00e8 dubbio sul fatto che la Sentiment Analysis<\/strong> e lo sviluppo dell\u2019NLP <\/strong>porteranno enormi vantaggi alle organizzazioni pubbliche e private.<\/span><\/p>\n \u00a0<\/span><\/p>\n Drive2Data, esperta di raffinazione dei dati, ha svolto diversi studi sui processi di Sentiment Analysis. Dopo una prima esperienza utilizzando tokenizzazioni, lemmatura e Machine Learning<\/strong>, oggi sta sperimentando l\u2019applicazione del Natural Language Processing <\/strong>per apportare migliorie alla soluzione di Sentiment Analysis.<\/span><\/p>\n Sfruttare i motori NLP per eseguire la Sentiment Analysis sul testo offre soluzioni pi\u00f9 intelligenti con maggiore precisione e in meno tempo. I metodi NLP come lemmatizzazione e stemming aiutano ad analizzare meglio le parole e le frasi per prevedere il sentimento delle frasi misurando i loro punteggi di polarit\u00e0. Utilizzando modelli di Deep Learning<\/strong> come Transformers, i GPT possono essere pi\u00f9 utili per l’analisi del sentiment.<\/span><\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row admin_label=”row” _builder_version=”4.16″ background_size=”initial” background_position=”top_left” background_repeat=”repeat” custom_margin=”25px||||false|false” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_divider _builder_version=”4.16″ _module_preset=”default” width=”70%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_divider][et_pb_button button_url=”https:\/\/drive2data.com\/it\/” button_text=”SCOPRI DI PI\u00d9” button_alignment=”center” _builder_version=”4.19.5″ _module_preset=”default” custom_button=”on” button_text_size=”22px” button_text_color=”#ffb300″ button_bg_color=”#020000″ button_border_width=”2px” button_border_color=”#E09900″ button_border_radius=”10px” button_font=”|600|||||||” button_use_icon=”off” custom_margin=”||2%||false|false” custom_padding=”16px|16px|16px|16px|false|true” box_shadow_style=”preset1″ locked=”off” global_colors_info=”{%22gcid-f2ce690f-aeee-4241-a830-be586ba3dd75%22:%91%93}”][\/et_pb_button][\/et_pb_column][\/et_pb_row][\/et_pb_section][et_pb_section fb_built=”1″ admin_label=”SEO INVISIBILE” _builder_version=”4.17.4″ _module_preset=”default” custom_css_main_element=”display:none;” global_colors_info=”{}”][et_pb_row admin_label=”SEO INVISIBILE” _builder_version=”4.17.4″ _module_preset=”default” custom_css_main_element=”display:none;” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.17.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_text admin_label=”SEO INVISIBILE” _builder_version=”4.17.4″ _module_preset=”default” custom_css_main_element=”display:none;” global_colors_info=”{}”]<\/p>\n Scopriamo insieme cosa sono. Infatti al giorno d’oggi sono fondamentali. Per le aziende diventano grandi opportunit\u00e0.<\/p>\n Ma di cosa parliamo?<\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Il dialogo uomo-macchina \u00e8 da decenni uno degli ambiti di ricerca pi\u00f9 attivi. Negli ultimi anni sono stati fatti grandi progressi nel campo dell\u2019NLP (Natural Language Processing), anche se, per via della complessit\u00e0 del linguaggio umano, la macchina non \u00e8 ancora in grado di comprendere perfettamente. Cos\u2019\u00e8 il Natural Language Processing (NLP) Il […]<\/p>\n","protected":false},"author":1,"featured_media":19226,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[190],"tags":[196,197],"class_list":["post-19045","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","tag-nlp","tag-sentimentanalysis"],"yoast_head":"\nCos\u2019\u00e8 il Natural Language Processing (NLP)<\/strong><\/h2>\n
I 3 task dell\u2019NLP da considerare<\/strong><\/h3>\n
\n
\n
Sentiment Analysis: cos\u2019\u00e8 e quali sono i vantaggi \u00a0<\/strong><\/h3>\n
\n
L\u2019esperienza di Drive2Data<\/strong><\/h2>\n
Natural Language Processing<\/h3>\n
Sentiment Analysis & Natural Language Processing<\/h3>\n