Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Amazon Comprehendで始める感情分析
Search
Shirota
August 04, 2022
Technology
0
1.7k
Amazon Comprehendで始める感情分析
2022年8月4日(木)に開催された「AKIBA.AWS ONLINE #09 -AWSを活用した機械学習 編- 」で登壇した際の資料です。
Shirota
August 04, 2022
Tweet
Share
More Decks by Shirota
See All by Shirota
Google Cloudでの自然言語処理のアプローチと所感大全(約2年分)
46ta
0
270
再ジョインブログの裏側の話(形態素解析パート)
46ta
0
12k
Amazon Braketのすごさを知ろう~量子コンピュータことはじめ~
46ta
0
2.7k
AWS Update and Region in number
46ta
0
580
Other Decks in Technology
See All in Technology
2025年になってもまだMySQLが好き
yoku0825
8
4.8k
自作JSエンジンに推しプロポーザルを実装したい!
sajikix
1
180
RSCの時代にReactとフレームワークの境界を探る
uhyo
10
3.5k
品質視点から考える組織デザイン/Organizational Design from Quality
mii3king
0
210
ハードウェアとソフトウェアをつなぐ全てを内製している企業の E2E テストの作り方 / How to create E2E tests for a company that builds everything connecting hardware and software in-house
bitkey
PRO
1
150
Terraformで構築する セルフサービス型データプラットフォーム / terraform-self-service-data-platform
pei0804
1
190
Practical Agentic AI in Software Engineering
uzyn
0
110
2つのフロントエンドと状態管理
mixi_engineers
PRO
3
110
開発者を支える Internal Developer Portal のイマとコレカラ / To-day and To-morrow of Internal Developer Portals: Supporting Developers
aoto
PRO
1
470
TS-S205_昨年対比2倍以上の機能追加を実現するデータ基盤プロジェクトでのAI活用について
kaz3284
1
190
AIエージェントで90秒の広告動画を制作!台本・音声・映像・編集をつなぐAWS最新アーキテクチャの実践
nasuvitz
0
230
【NoMapsTECH 2025】AI Edge Computing Workshop
akit37
0
210
Featured
See All Featured
Rails Girls Zürich Keynote
gr2m
95
14k
The Art of Programming - Codeland 2020
erikaheidi
56
13k
For a Future-Friendly Web
brad_frost
180
9.9k
Large-scale JavaScript Application Architecture
addyosmani
513
110k
How GitHub (no longer) Works
holman
315
140k
Automating Front-end Workflow
addyosmani
1370
200k
Visualization
eitanlees
148
16k
Building a Modern Day E-commerce SEO Strategy
aleyda
43
7.6k
Context Engineering - Making Every Token Count
addyosmani
3
51
Speed Design
sergeychernyshev
32
1.1k
Balancing Empowerment & Direction
lara
3
620
Code Review Best Practice
trishagee
70
19k
Transcript
Amazon Comprehend から始める感情分析 AKIBA.AWS ONLINE #09 -AWSを活用した機械学習 編- 2022/08/04(Thu.) Shirota
データアナリティクス事業本部機械学習チーム所属 2022年1月入社(3年半ぶり2回目) 高エネルギー宇宙物理学専攻→インフラエンジニア →バーチャルソリューションアーキテクト(AWS) →バーチャルMLエンジニア 最近はGoogle Cloudにお熱 住まいはバーチャル愛知県のバーチャル名古屋市 → Shirota
今日の話し手
Amazon Comprehendとは? 今日話すこと 1 2 3 4 そもそも感情分析とは ネガポジ分析のやり方 それぞれの手法の長所・短所
Amazon Comprehend とは?
Amazon Comprehend とは? 機械学習を使用して、 テキストからインサイトや関係性を発見するための 自然言語処理 (NLP) サービス 引用:https://aws.amazon.com/jp/comprehend/
😀?
つまりどういうこと?
Amazon Comprehend とは? テキスト Amazon Comprehend 色々 できる 機械学習
もう少し深掘りしよう
Amazon Comprehendで できる色々 カスタム分類 エンティティ認識 カスタムエンティティ 認識 感情分析 エンティティ特化の
感情分析 PII 識別とリダクション キーフレーズ抽出 イベント検出 言語検出 構文解析 トピックモデリング
Amazon Comprehendで できる色々 カスタム分類 エンティティ認識 カスタムエンティティ 認識 感情分析 エンティティ特化の
感情分析 手持ちの文章を利用し てカスタムしたラベリ ングでテキストを分類 できる
Amazon Comprehendで できる色々 カスタム分類 エンティティ認識 カスタムエンティティ 認識 感情分析 エンティティ特化の
感情分析 文章中のエンティティ (各単語)を識別する 特殊な状況を学習させ たカスタムモデルを作 成・利用した識別もで きる
Amazon Comprehendで できる色々 PII 識別とリダクション キーフレーズ抽出 イベント検出 言語検出 構文解析 トピックモデリング
PII(個人情報)を識別 してマスクをかけるこ とができる
Amazon Comprehendで できる色々 PII 識別とリダクション キーフレーズ抽出 イベント検出 言語検出 構文解析 トピックモデリング
文章内で重要なフレーズ を抽出する 「誰が」「いつ」「どこ で」といった情報を 抽出する
Amazon Comprehendで できる色々 PII 識別とリダクション キーフレーズ抽出 イベント検出 言語検出 構文解析 トピックモデリング
何語で書かれた文章かを 分析する 文章を単語サイズに分解 して品詞の識別をする (いわゆる形態素解析)
Amazon Comprehendで できる色々 PII 識別とリダクション キーフレーズ抽出 イベント検出 言語検出 構文解析 トピックモデリング
文章内の単語からトピッ クを分類し、S3に配置し ているドキュメントファ イルがどのトピックに関 連したものかを分析する
Amazon Comprehendで できる感情分析関連 カスタム分類 エンティティ認識 カスタムエンティティ 認識 感情分析 エンティティ特化の
感情分析 ← New!! (2022.03) PII 識別とリダクション キーフレーズ抽出 イベント検出 言語検出 構文解析 トピックモデリング
そもそも感情分析って なんだろう
感情分析 とは? 自然言語処理を用いて 自然言語(人間が使っている言葉)を コンピュータで処理できるようにし、 そこから感情を分析すること
感情分析 とは? 今日は雨が降っていて いまいち元気が出ない
感情分析 とは?
感情分析 とは? 今日は雨が降っていて いまいち元気が出ない
これは ネガポジ分析
ネガポジ分析やってみたい!
それ、機械学習無くても できるんですよ
None
ネガポジ分析の手法 極性辞書を使う ディープラーニングを用いる
ネガポジ分析の手法 極性辞書を使う(機械学習不要) ディープラーニングを用いる
極性辞書とは 単語に極性情報を付与している辞書 ネガティブ・ポジティブを -1(ネガティブ)〜 +1(ポジティブ)に 振り分けた数値を極性値と呼ぶ
極性辞書を使う メリット・デメリット 既に用意されたものを使えるので学習コストが低く、 それなりの結果が得られる Pythonで使えるライブラリ「oseti」があったり 柔軟性が低い 辞書のカスタムが大変 カスタムのためには学習コストも生じる
ネガポジ分析の手法 極性辞書を使う(機械学習不要) ディープラーニングを用いる
ディープラーニングを用いて ネガポジ分析をする 文章と極性情報のラベルが揃った 教師データを用意してディープラーニングを行い 作成したモデルでネガポジ分析を行う
ディープラーニングを使う メリット・デメリット 柔軟性が高い モデル学習を進めることによって利用する環境に 合ったモデルが育っていく モデルを育てるまでが大変 モデルに利用するための教師データの用意 ディープラーニングそのものの学習コスト
本音 極性辞書を使う ディープラーニングを用いる 準備が少なくて、柔軟性もありそうな ディープラーニングを用いたやつが使いたい……
そこでComprehendですよ
「手っ取り早くやってみた」は ブログで!
Amazon Comprehendは 初めてのネガポジ分析挑戦に おすすめ!
ご清聴ありがとう ございました!