作者：Morty Lai
不論在商場上溝通或市場上聆聽消費者聲音，除了要瞭解字面上的意義，往往更重要的是讀懂對方沒說的那些「潛台詞」。就像很多時候，真正重要的不是對方說了什麼，而是為了什麼而說。動機，往往才是解決問題的關鍵。一份精闢到位的網路聲量輿情洞察分析報告也是如此，不能只是對於事件的描述或重現，更重要的是如何深入其背後了解成因。若要能自動化產生優質的輿情洞察分析報告，就需要運用自然語言處理（Natural Language Processing，NLP）技術，並從大量且即時的輿情資料中，提取事件的成因，才能提供使用者關注的核心內容。
在自然語言處理領域中，「情緒成因提取」（Emotion Cause Extraction，ECE）是一項重要的研究課題。情緒分析常用於社群媒體監測、客服評估、產品評論分析，及市場研究等應用領域，主要是透過文本或語音中的情緒識別，判斷訊息的情感基調是正面、負面，還是中性。這項技術的挑戰在於它不僅需識別文本中的情感，還要揭示導致該情感的原因。舉例來說，如果有一篇評論提到「這家餐廳的服務真的很差，我竟然等了半小時」。在評論中，不但能識別出評論者的不滿情感，更可以確定其不滿的原因是「等了半小時」。如果自然語言處理能夠自動從大量的文本中提取情感及其成因，並與自動摘要技術結合，將能深入了解網路上的公眾情緒，還可以根據這些資訊提供確切的策略和建議。
關於 ChatGPT 在情緒成因提取的能力，已有相關研究進行討論，在在顯示出 ChatGPT 作為一個強大的語言模型，同時也具備成因提取和情緒分析的能力。舉例來說，當我們對 ChatGPT 描述一名女子在路上幫助跌倒的老人相關內容，並要求提供情緒子句以及原因子句。在 ChatGPT 的回覆中，可以看到「周邊路過的多位居民都對她表示了讚揚」這是一句表達正面情感的情緒子句，而導致正面情感的成因子句則是「魯女士遇見老人跌倒立刻出手相助」。
除了情緒成因提取之外，也有研究探討利用 ChatGPT 來分析道路事故的成因，並根據分析結果提供解決方案。例如，一則新聞報導描述了一名女子和她一歲的兒子在周二下午遭遇的車禍：「他們所乘坐的車輛與一輛卡車正面相撞，導致母子二人不幸喪生。這宗事故發生在一處正進行道路擴寬的施工地點。而卡車司機由於魯莽和疏忽的駕駛行為被警方逮捕，後來獲得保釋。」通過 ChatGPT 的分析，可以明確指出此事故的成因不僅與司機的疏忽駕駛有關，可能也和該地正在進行道路工程相關。基於這些分析， ChatGPT 進一步建議如何避免此類事故，例如強化司機的教育訓練、落實工地管理，以及採取技術干預手段。這證明了在不同場景下，除了情緒成因提取外，在不同的情境下，也能運用 ChatGPT 進行成因分析。
《KEYPO大數據關鍵引擎》最新「GPT智能輿情分析」功能運用先進的自然語言處理技術，並結合大數據股份有限公司即時網路輿情搜集的強大能力，實現真正的自動化輿情洞察報告生成功能。讓使用者得以迅速、準確地掌握網路輿情、市場趨勢及競爭對手動態，更能夠從中挖掘出深層次的原因和影響。透過《KEYPO大數據關鍵引擎》最新「GPT智能輿情分析」功能將大規模的分析工作在短時間迅速完成，並根據得到的結果協助企業品牌擬訂精準行銷策略，從而迅速抓住潛在消費者目光。
想了解更多全台首創結合「GPT 智能輿情分析」的《 KEYPO 大數據關鍵引擎》輿情分析系統強大功能了嗎？請立即與我們聯絡以取得更多資訊。
Image by Freepik