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。

Transcript

1. 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
2. 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
3. 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
4. Amazon Comprehend とは？
5. 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/
6. 😀？
7. つまりどういうこと？
8. Amazon Comprehend とは？ テキスト Amazon Comprehend 色々 できる 機械学習
9. もう少し深掘りしよう
10. 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
11. 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
12. 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
13. 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
14. 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
15. 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）
16. 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
17. 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
18. そもそも感情分析って なんだろう
19. 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
20. 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
21. 感情分析 とは？
22. 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
23. これは ネガポジ分析
24. ネガポジ分析やってみたい！
25. それ、機械学習無くても できるんですよ
27. 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
28. 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
29. 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
30. 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
31. 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
32. 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
33. 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
34. 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……
35. そこでComprehendですよ
36. 「手っ取り早くやってみた」は ブログで！
37. Amazon Comprehendは 初めてのネガポジ分析挑戦に おすすめ！
38. ご清聴ありがとう ございました！