<aside> 💡 Shrnutí konceptu ve vztahu k informačnímu chování Analýza sentimentu je metoda, která dokáže rozklíčovat, zda má text spíše pozitivní, či negativní vyznění. Pomáhá určit, v jakém emocionálním rozložení byl autor při psaní a jaké emoce chtěl ve čtenářích vyvolat. Sentiment se vždy vztahuje ke konkrétní entitě. Výsledkem obvykle není analýza postojů jednotlivce, nýbrž shrnující pohled na vnímání větší skupiny lidí (např. zkušeností zákazníků) či celé společnosti. Je tak jedním z nástrojů sloužících pro poznání veřejného mínění.

</aside>

Sentiment

Naše každodenní rozhodnutí jsou do velké míry ovlivňována vlastními názory, ale také dobře míněnými radami rodiny, přátel nebo kolegů z práce (Liu, 2012, s. 8). Například chceme-li vyzkoušet nový produkt či službu, pravděpodobně se zaměříme na hodnocení a zkušenosti jiných zákazníků. Své názory tak často vytváříme na základě interakce s druhými. V jejich pozadí se vždy skrývá sentiment, který formují subjektivní emoce vůči danému produktu, osobě, události, organizaci či tématu. Sentiment může rovněž vyjadřovat komplexnější postoje člověka. Základní polarita sentimentu se pohybuje na stupnici od negativního k pozitivnímu (Tsytsarau a Palpanas, 2012, s. 483). Zároveň ne každé tvrzení je názorem formovaným sentimentem, může se totiž jednat pouze o faktické sdělení bez emocionálního zabarvení.

Analýza sentimentu

Web 2.0, kde uživatelé běžně sdílí svůj obsah na blozích, fórech nebo sociálních sítích, přispěl k velkému rozmachu šíření názorů a zkušeností s lidmi, s nimiž jsme se nikdy nesetkali tváří v tvář (Liu, 2012, s. 8). Zvláště v dnešní postfaktické době převládají emoce nad ověřitelnými fakty. Právě rostoucí množství těchto dat vedlo k rozvoji analýzy sentimentu. Porozumění postojům nebo názorům lidí má mnoho aplikací. K rozvoji analýzy sentimentu do velké míry přispěly komerční firmy s cílem nahlédnout, jak jsou jejich produkty či značky vnímány zákazníky. Pro marketingové agentury, které tvoří reklamní kampaně, je takový vhled do myšlení klientely přínosný. Politické strany zase realizují průzkumy veřejného mínění, aby změřily volební preference. Analýza sentimentu se zpočátku týkala pouze textu, avšak nyní se rozvíjí také analýza řeči či obrazu (Soleymani et al., 2017, s. 3).

Montoyo, Martinéz-Barco a Balahur (2012, s. 675–676) uvádí, že vzhledem k nejednoznačnosti termínu sentiment má výzkum v této oblasti mnoho různých přístupů a aplikací. Analýza sentimentu se zaměřuje na vyhledávání výrazů spojených se subjektivním hodnocením (Li a Hovy, 2017, s. 41). Patří tak do oboru zpracování přirozeného jazyka (tzv. NLP), kde v současnosti představuje jednu z nejrozšířenějších oblastí výzkumu (Liu, 2012, s. 5).  Jak píše Liu (2012, s. 10), na analýzu sentimentu lze nahlížet ze tří perspektiv:

1. Na úrovni dokumentů (např. recenze či příspěvek) popisuje, zda je celkové vyznění pozitivní, či negativní.
2. Na úrovni vět prochází jednotlivé větné celky dokumentu a určuje, zda mají pozitivní, negativní, popřípadě neutrální (tedy žádný) význam.
3. Na úrovni výrazů pak věty rozděluje na dílčí oblasti hodnocení. Jako příklad lze uvést větu: „Kvalitu hovorů na iPhonu je dobrá, ale výdrž baterie je slabá.“ Toto tvrzení obsahuje dvě různá hodnocení vlastností jedné entity, přičemž každé z nich se vyjadřuje k jiným parametrům.

Při analýze sentimentu je nutné identifikovat pět hlavních komponent (Liu a Zhang, 2012, s. 416–418):

1. Entita, což je předmět zájmu analýzy (např. konkrétní produkt, služba, osoba či událost)
2. Vlastnost (popř. aspekt), tedy charakterový rys zkoumaného objektu (např. rozlišení obrazovky)
3. „Držitel názoru“ ve smyslu člověka, který vyjádřil svůj názor (např. majitel produktu, který napsal hodnocení na svůj blog)
4. Samotný sentiment, který je vztažený ke konkrétní vlastnosti (např. pokud je uživatel nespokojený s danou vlastností produktu, pak je jeho sentiment negativní)
5. Čas, kdy je názor vyjádřený, přičemž se může později změnit (např. moment uveřejnění recenze)

V rámci analýzy nejprve probíhá extrakce a kategorizování všech entit. Následuje proces extrakce a kategorizace vlastností entit. Poté je z textu třeba určit, kdo je držitel názoru a kdy názor uveřejnil. Začtvrté jsou identifikovány sentimenty jednotlivých vlastností. Výsledkem analýzy je tabulka se všemi názory (Liu a Zhang, 2012, s. 418–420). Tímto způsobem může být zpracováno velké množství názorů, proto je k zefektivnění práce využívána počítačová automatizace.

Typy problémů, na které lze koncept aplikovat