Was ein „nicht“ verändert
Ein Wort kann aus Lob Kritik machen.
Beispiel ansehen : Was ein „nicht“ verändertSentimentanalyse einfach entdecken
Was wird in einem Text gelobt, was kritisiert – und worauf bezieht sich das? Entdecke an kurzen Beispielen, wie Sentimentanalyse funktioniert.
Dafür entsteht SentimentalFramework: eine leicht bedienbare Software mit einem eigenen KI-Modell für deutsche Texte.
Aktuell: Beispiele zum Entdecken. Das eigene Modell ist noch in Entwicklung.
„Die Idee ist gut. Die Umsetzung überzeugt mich noch nicht.“
Das kleine „noch“ lässt offen, ob sich die Einschätzung später ändert.
Ausgedachtes Beispiel · von Menschen eingeordnet
Sentimentanalyse untersucht Bewertungen in Texten: etwa Lob, Kritik oder beides zusammen. Ein KI-Modell kann helfen, solche Aussagen automatisch einzuordnen. Dafür muss es auch berücksichtigen, worüber gesprochen wird.
Ein einfaches Beispiel: „Das Essen war lecker, der Service langsam.“ Das Essen wird gelobt, der Service kritisiert. Eine einzige Bewertung für den ganzen Satz würde diesen Unterschied verdecken.
Ein Wort kann aus Lob Kritik machen.
Beispiel ansehen : Was ein „nicht“ verändertWarum der ganze Satz zählt.
Beispiel ansehen : Wenn „großartig“ Kritik bedeutetLob und Kritik heben sich nicht einfach auf.
Beispiel ansehen : Gemischt ist nicht neutralDie Beratung war hilfreich. PositivDie Beratung war nicht hilfreich. Negativ
Mit „nicht“ wird daraus: „Die Beratung war nicht hilfreich.“ Die Bewertung verändert sich, obwohl fast alle Wörter gleich bleiben.
Vorbereitetes Sprachbeispiel · keine Live-Analyse
Beispiele sind bereits zugänglich. Das eigene KI-Modell wird noch entwickelt. Hier erfährst du, welche Schritte abgeschlossen sind, was geprüft wird und was als Nächstes ansteht.
Veröffentlichte Modellstände sollen mit Angaben zu ihren Tests und bekannten Grenzen vorgestellt werden.
Die Website zeigt jetzt an kurzen Beispielen, welche Fragen Sentimentanalyse beantworten kann und wo sie schwierig wird. Die Beispiele sind von Menschen eingeordnet. Sie zeigen noch keine Ergebnisse des eigenen Modells.
Weitere Einträge sollen den Aufbau der Datengrundlage, das Training und die Prüfung neuer Modellstände erläutern.