Demonstrator: Sentiment-Analyse & Geschäftsmodellaspekte

Ziel

Ziel des entwickelten Demonstrators ist es, anhand von Kundenbewertungen Rückschlüsse auf bestimmte Geschäftsmodellaspekte des hinter dem Produkt stehenden Unternehmens zu ziehen. Genauer soll die Stimmung des Verfassers in einzelnen Sätzen der rein textuellen Produktrezension erkannt werden und im Anschluss auf passende Geschäftsmodellaspekte abgebildet werden.

Funktion des Demonstrators

Der entwickelte Demonstrator erreicht das o.g. Ziel in einem mehrstufigen Prozess. An erster Stelle werden mithilfe von Crawlern oder bereitgestellten APIs Bewertungen für bestimmte Produkte oder Produktkategorien ermittelt und gespeichert. Auf diesen Datensätzen wird dann mithilfe des RoBERTa[1] Modells einer sogenannten Sentiment-Analyse durchgeführt. Dabei handelt es sich um eine Kombination von computerbasierten Sprachanalysen (NLP), welche die Stimmung des jeweiligen Verfassers ermittelt. Zu diesem Zweck werden die Produktbewertungen zuerst unter Verwendung des SoMaJo[2] Tokenizer und Sentence Splitter in einzelne inhaltlich zusammenhängende Sätze oder Satzgruppen geteilt. Anschließend wird die o.g. Sentiment-Analyse auf diesen durchgeführt. Das Ergebnis ist dann eine Kategorisierung von Sätzen und Satzgruppen in positive, negative und neutrale Stimmung. Die Stimmung der gesamten Produktbewertung ist dann die Summe der einzelnen Stimmungen.

Abbildung 1: Teilbewertungen einer Produktbewertung

Die zweite Funktion des Demonstrators, die Zuordnung von Bewertungen und Unterbewertungen zu Geschäftsmodellaspekten, setzt die Teilung in einzelne Sätze und Satzgruppen dringend voraus. Hier wird erneut RoBERTa eingesetzt, um eine Mehrklassen-Klassifizierung durchzuführen, um einzelne Sätze anhand einer zuvor erstellten Taxonomie auf die unterschiedlichen Geschäftsmodellaspekte des Business Model Canvas[3] abzubilden. Die zuvor berechneten Bewertungen der einzelnen Sätze lässt sich nun eins zu eins auf die jeweiligen Geschäftsmodellaspekte übertragen. Abbildung 2 zeigt eine beispielhafte Bewertung, welche die Zeitvorwahlfunktion einer Waschmaschine positiv bewertet. Der Demonstrator hat diese positive Bewertung erkannt und sie inhaltlich dem Produkt und somit auch dem Geschäftsmodellaspekt Produkt zugeordnet. Das Ergebnis ist eine positive Bewertung des Geschäftsmodellaspekts Produkt für den jeweiligen Hersteller der Waschmaschine.

Daraus resultiert nun eine Bewertung der einzelnen Geschäftsmodellaspekte des Unternehmens, rein basierend auf textuellen Produktbewertungen, welche auf einer Plattform verfasst wurden, die eine solche gezielte Bewertung gar nicht vorgesehen hat.

Abbildung 2: Erkannte Teilbewertung

Ergebnis

Der von DFKI entwickelte Demonstrator zeigt, dass es mit sprachbasierten Analysemethoden möglich ist, versteckte Informationen aus bestehenden Kundenbewertungen zu extrahieren, unabhängig davon auf welcher Plattform diese erfasst wurden, oder welche Absicht der Verfasser der Bewertung ursprünglich hatte. Es konnte gezeigt werden, dass selbst aus eigentlich negativen Bewertungen positive Rückschlüsse zu einzelnen Geschäftsmodellaspekten gezogen werden können.

Abbildung 3: Business Model Canvas mit Bewertungen

Integration in RapidMiner Studio und AI Toolbox

Die Funktionalität des Demonstrators wurde in Vorbereitung für die Integration in die AI Toolbox zuerst in RapidMiner Studio implementiert. Dafür wurde die von RapidMiner Studio bereitgestellte Python Integration verwendet. Die Implementierung wurde jedoch ohne die Funktion der Webcrawler integriert, da hier selbst kleinste Änderungen am Layout der jeweiligen Plattform (z.B. Amazon) zu fehlerhaften Daten führen können. Als Alternative wurde der Import der Kundenbewertungen über eine .CSV Datei realisiert. Zusätzlich wurde die Implementierung so erweitert, dass auch die verwendete Taxonomie via Dateiupload ausgetauscht werden kann. Dies ermöglicht eine generische Verwendung des Demonstrators in der AI Toolbox.