須多先生

レポートでは 「ポジティブな意見」「ネガティブな意見」「質問や問い合わせ」に分類されたテキストデータから生成したWordCloudと共起ネットワークを見比べました
いかがでしたか？

深田 あい

データを確認してみると 「ネガティブな意見」では厳しい意見もいくつかありましたね

徳井 天

俺もそれが気になって データをもらった時に聞いてみたんだけど キャンペーン商品や 季節に合わせた限定商品とかの 普段と違う商品を扱うときに クレームが多くなることがあるんだって

深田 あい

そういうことなんだ 普段と違う商品を扱うから 思わぬトラブルが発生することがあるんだね

深田 あい

それぞれの意見を詳しく見てみると 「ポジティブな意見」には「満足」や「素晴らしい」 「ネガティブな意見」には「不満」「期待はずれ」のような単語が表示されてたよね

徳井 天

「質問や問い合わせ」は 「ポジティブ」でも「ネガティブ」でもないコメントだったよな

深田 あい

「会員特典について知りたいです」や「素材の詳細を教えてください」など 「知りたい」や「教えて」というキーワードが目立ちました

徳井 天

あと 例えば「ポジティブな意見から作成したWordCloud」に「高く」ってキーワードがあったから 「ネガティブな意見」が混ざっているのかと思ったけど 共起ネットワークで「品質」「高い」がつながっているのを見て そこで初めて「ポジティブ」な意見だったってことが分かったのもあったな

深田 あい

これから行う分類ですが もしAIを使わないで分類をするのであれば データを一つずつ確認して 関連しそうなキーワードを if文での条件分岐を使って判定していくんですよね？

須多先生

そうですね
Pythonのif文での条件分岐を使う方法でも 「リスト」を使えばできなくはないですが…いかがですか？

深田 あい

えーっと…これは…キーワードを自分たちで探して 自分たちでリストを作らなきゃいけないってことですよね

徳井 天

おいおい…ポジティブなキーワードだけでも この世にいくつあるんだ？やっぱり自分たちで全部探してリストに登録するのは無理があるな…

須多先生

そうですね
そこで先ほど徳井さんが提案したように「機械学習」を使って AIが自動的にそれらのコメントの特徴を学習できるようにしていきましょう

須多先生

ここからは 先ほどみなさんで話し合ったとおり 「ポジティブな意見」「ネガティブな意見」「質問や問い合わせ」にラベル付けをする アノテーションを行って学習をさせましょう

徳井 天

えっと すでに店長さんが正解ラベルを付けてくれたものが80件あるから あと120件の正解ラベル付けが必要になるな

深田 あい

量が多いので大変そうですが がんばってやってみます！

須多先生

それでは 次のアクティビティで アノテーションに挑戦しましょう