Sentimenttianalyysi kertoo, onko jokin tekstin sävy positiivinen, negatiivinen tai neutraali. Tässä tekstissä kuvataan lyhyesti, miten sentimenttianalyysiä voi tehdä OpenAI:n GPT-3:lla.

Sentimenttianalyysi

Helppo tapa tehdä sentimenttianalyysiä on käyttää listaa yksittäisten sanojen sävystä ja laskea tekstin sanojen sävyjen summa. Toinen tapa on opettaa keinotekoinen neuroverkko aineiston avulla arvioimaan tekstin sävyä. Uusien, suurten kielimallien tulon jälkeen myös niiden käyttö onnistuu hyvin. Tässä käytetään OpenAI:n GPT-3 -kielimallia, jossa on 175 miljardia parametria.

Sentimenttianalyysiin tarvitsee vain tunnukset OpenAI:n GPT-3:een. Ne saa luomalla tunnuksen osoitteessa https://openai.com/api/. Kun tunnukset on luotu, voi GPT-3:a käyttää sentimenttianalyysiin Playgroundissa. Jos tarve on analysoida suurempia tietomääriä, onnistuu se ohjelmallisesti vaikkapa Pythonista.

Ja sitten vain itse sentimenttianalyysiin, joka onnistuu komentamalla GPT-3:a suomeksi. Aloitetaan testaamalla, miten variaatiot “Huomenta, Turku” lauseesta sovittuvat sentimentiksi: Kokeillaan variaatioita lauseesta GPT-3:lla. Kielimallia “komennetaan” antamalla syöte, jota malli jatkaa. Tässä tapauksessa sitä pyydetään analysoimaan lauseen sentimentti.

Kuva 2. Sentimentti lauseelle “Erittäin hyvää huomenta, Turku.

Tulosten mukaan

GPT-3 selvitti tämän testin hienosti. Asetuksina tässä käytettiin lämpötilaa 0, jolloin GPT-3 antaa parhaaksi katsomansa vastauksen. Sentimenttianalyysin teko on helppoa ja tulokset ovat yllättävän oikeita kielimallilla tehtynä. Aivan kaikkea ei malli ymmärrä, mutta suuri kuva vaikuttaa olevan oikein. Työläintä sentimenttianalyysissä on aineiston kerääminen. Itse analyysi sujuu kielimallilla sutjakkaasti.