オンラインショップに届くコメントやダイレクトメールを「ポジティブ」「ネガティブ」に分類する方法について 解説します

これまでに習ったAIの知識が登場しますので 思い出しながらスライドを読み進めてくださいね

それでは今回は 徳井さんが考えた内容を説明してもらいましょう

徳井さん 進行をお任せしますね

任せてください！みんな しっかりついてきてくれよな！

最初に このオンラインショップに届く コメントやダイレクトメールの分類をしたいっていう話を聞いた時に すぐに思い浮かんだのがPythonの「if文」での条件分岐なんだよな

ポジティブな意見なら「うれしい」「ありがとう」 ネガティブな意見なら「残念」「困った」とかの特徴を探して それらのキーワードをPythonの「if文」での条件分岐で探せばいいんじゃないかって思ったんだよな

Pythonの「if文」は 「認識編」の演習で行いましたね

Pythonのif文の条件分岐を使って「ありがとう」や「困った」等のキーワードを 「ポジティブ」か「ネガティブ」かを判定する 簡単なプログラムは以下のようになります

でもよく考えてみたときに 前にも果物や野菜の物体認識をPythonの「if文」で分類したことを思い出してさ

あの時 すっごく大変だったってことを思い出したんだよな

そうそう 「AIを使わないで物体を認識する」っていうレッスンだったよね

物体のRGB（赤・緑・青）とか 物体のサイズで認識させるように頑張った覚えがあるなあ

それは「特徴量設計」ですね

「AIを使わないで「認識」するにはⅢ」のレッスンの解説動画に説明がありました

そうそう その特徴量設計だと 「ポジティブな意見」と 「ネガティブな意見」の特徴量を設計するために 様々なキーワードを用意しなくちゃいけないんだよな

例えば「ポジティブな意見」なら「ありがとう」「嬉しい」「感謝」「感激」…とか この世の全てのポジティブワードを用意しようとすると めちゃくちゃ大変だって思ったんだよ

その後 深田さんのおじいさんが書いた 手書きの数字を認識させるときは 0～9までの正解ラベルを付けて それをAIに学習させて認識させたんだったよな

これと同じように 届いたコメントやダイレクトメールに「ポジティブな意見」「ネガティブな意見」っていう正解ラベルを付けて その特徴をAIに学習させればいいんじゃないかなって思ったんだ

例えば 「ありがとう」は「ポジティブな意見」の正解ラベルをつけて 「困った」は「ネガティブな意見」の正解ラベルを付けて学習させるってことかな？

素晴らしい それはまさに「機械学習」の「教師あり学習」の考え方ですね

ということは 大量のコメントやダイレクトメールのデータに「ポジティブな意見」「ネガティブな意見」でアノテーションをするということですね

アノテーション…?ああ 思い出した!正解ラベルを付ける作業のことをアノテーションって呼ぶんだったな

というわけで 結論!「機械学習」の「教師あり学習」を使えば 今回の問題解決ができる!

先生 俺の考察はどうでしたか?

二人とも本当に素晴らしいですね

今まで学んできたAIの知識がしっかり身についています この調子で 今回の問題解決方法について進めていきましょう