Энтузиаст создал ИИ-сервис для оценки эмоционального окраса сообщений в Twitter и новостных заголовках
Инструмент называется Twemotion. Он каждый день случайным образом выбирает популярные темы, а также связанные с ними твиты и посты в блогах. Пока алгоритм собирает информацию только на английском языке. Зато анализирует её в четырёх странах — США, Канаде, Великобритании и Австралии.
Как работает?
Если вкратце про методологию, то твиты и заголовки передаются в ParallelDots AI Emotion Prediction API. Там эмоции автоматически классифицируются по категориям: страх, радость, грусть, гнев, возбуждение и скука. Результат — усреднённая оценка от 0 до 100 баллов. Подробнее автор описал здесь и здесь.
Зачем это нужно?
Как говорит разработчик, в последние годы СМИ критикуют за то, что они стали «оторваны от простых людей» и аффилированы со спонсорами. Поэтому пользователи соцсетей и блогеры могут воспринимать события не так, как их представляют в онлайн-изданиях.
Какие результаты?
Инструмент запустили только в конце сентября, поэтому данных для анализа пока немного. Но уже видно, что заголовки и твиты вызывают практически идентичные эмоции. Конечно, в некоторые дни картина не такая однозначная, но в среднем паттерны повторяются.
Одно из возможных объяснений этому — содержание многих популярных твитов определяется теми же изданиями, чьи заголовки анализировал алгоритм. Ведь СМИ и журналисты часто публикуют анонсы статей в соцсетях, и эти посты набирают вирусную популярность: их репостят, комментируют и переписывают. К тому же в Твиттере сидит много ботов (об этом сокрушался Илон Маск при первой попытке купить платформу).
Зато в блогах ситуация сильно отличается. Судя по графикам, у авторов своих страничек иногда были полностью противоположные эмоции, если сравнивать с журналистами и микроблогерами.
Инструмент называется Twemotion. Он каждый день случайным образом выбирает популярные темы, а также связанные с ними твиты и посты в блогах. Пока алгоритм собирает информацию только на английском языке. Зато анализирует её в четырёх странах — США, Канаде, Великобритании и Австралии.
Как работает?
Если вкратце про методологию, то твиты и заголовки передаются в ParallelDots AI Emotion Prediction API. Там эмоции автоматически классифицируются по категориям: страх, радость, грусть, гнев, возбуждение и скука. Результат — усреднённая оценка от 0 до 100 баллов. Подробнее автор описал здесь и здесь.
Зачем это нужно?
Как говорит разработчик, в последние годы СМИ критикуют за то, что они стали «оторваны от простых людей» и аффилированы со спонсорами. Поэтому пользователи соцсетей и блогеры могут воспринимать события не так, как их представляют в онлайн-изданиях.
Какие результаты?
Инструмент запустили только в конце сентября, поэтому данных для анализа пока немного. Но уже видно, что заголовки и твиты вызывают практически идентичные эмоции. Конечно, в некоторые дни картина не такая однозначная, но в среднем паттерны повторяются.
Одно из возможных объяснений этому — содержание многих популярных твитов определяется теми же изданиями, чьи заголовки анализировал алгоритм. Ведь СМИ и журналисты часто публикуют анонсы статей в соцсетях, и эти посты набирают вирусную популярность: их репостят, комментируют и переписывают. К тому же в Твиттере сидит много ботов (об этом сокрушался Илон Маск при первой попытке купить платформу).
Зато в блогах ситуация сильно отличается. Судя по графикам, у авторов своих страничек иногда были полностью противоположные эмоции, если сравнивать с журналистами и микроблогерами.