Duygu analizi, bir metinde ifade edilen tutumu olumlu, olumsuz ya da nötr olarak sınıflandıran NLP görevidir. Amaç konuyu değil, konuya karşı takınılan tavrı yakalamak. Bazı uygulamalar bunu üç sınıfa indirgiyor, bazıları yıldız puanı gibi bir ölçeğe yayıyor, bazıları da öfke, memnuniyet ve hayal kırıklığı gibi daha ayrık duygulara ayırıyor.
Erken yaklaşımlar kelime sözlükleriyle çalışıyordu. "harika" pozitif, "berbat" negatif sayılıyor ve puanlar toplanıyordu. Bu yöntem olumsuzlamada ve ironide çabuk yanılıyor. Bugünkü modeller cümleyi bağlamıyla birlikte kodluyor, bu yüzden "kargo hızlıydı ama ürün kırık geldi" cümlesinde iki farklı yönü ayırt edebiliyor. Yön tabanlı duygu analizi bir adım daha ileri giderek duyguyu tek tek özelliklere bağlıyor.
Kullanım alanı geri bildirimin yığıldığı her yer. Ürün yorumları, destek kayıtları, anket açık uçlu cevapları, sosyal medya bahisleri ve mağaza uygulaması puanları bunların başında geliyor.
Somut bir örnek: bir markanın uygulama mağazası yorumlarında ortalama puan üç ay boyunca sabit görünüyor. Duygu analizi yorumları özelliklere böldüğünde, ödeme adımıyla ilgili olumsuz yorumların iki katına çıktığı, buna karşılık teslimat yorumlarının iyileştiği ortaya çıkıyor. Ortalama iki hareketi birbirine perdelemiş oluyor.
Türkçede ek zorluk var. Alay, deyim ve bölgesel kullanım modelleri yanıltabiliyor, bu yüzden çıktı düzenli olarak elle örneklenerek kontrol ediliyor.
