Waarom is dit belangrijk?
Grote stapels losse teksten kunnen automatisch op stemming worden gesorteerd, zodat niemand elke zin apart hoeft te lezen. In de zorg ordenen teams hiermee patiëntverhalen en vragen over behandeling, zodat terugkerende klachten eerder opvallen. Op het werk en bij contact met instanties kunnen zulke uitslagen meewegen, maar grappen en ontkenningen worden vaak verkeerd gelezen en persoonlijke teksten raken de privacy.
Zo werkt het in de praktijk
Op financiële markten gebruiken de koopkant en de verkoopkant sentimentanalyse op nieuws over bedrijven. Systemen maken van berichten een score voor sentiment, relevantie en nieuwheid. Die score ondersteunt handel, risicobeheer en controle op de markt.
Onderzoekers bestuderen of sentimentscores uit nieuws koersbewegingen, schommelingen en handelsvolume helpen voorspellen. Zij maken aparte scores voor aandelen, valuta, obligaties en grondstoffen. Zo koppelen zij de toon van berichten aan risico en rendement.
Bij nieuwsanalyse scheiden supportvectormachines teksten in groepen. Daarnaast telt de zak-met-woordenmethode losse woorden, zonder hun volgorde. Het project SEWA koppelt sentimentanalyse aan adviesraden voor ethiek, vooral bij het herkennen van emoties.




