详细内容或原文请订阅后点击阅览
使用 AWS Generative AI 服务进行文本和音频情感分析：方法、挑战和解决方案
这篇文章是通过 AWS 与 Instituto de Ciência e Tecnologia Itaú (ICTi)（ICTi）（由拉丁美洲最大的私人银行 Itaú Unibanco 维护的 P&D 中心）之间的战略科学合作伙伴关系开发的，探讨了文本和音频情绪分析的技术方面。我们展示了比较多种机器学习 (ML) 模型和服务的实验，讨论了每种方法的权衡和陷阱，并重点介绍了如何编排 AWS 服务来构建强大的端到端解决方案。我们还提供对未来潜在方向的见解，包括针对大型语言模型 (LLM) 的更先进的提示工程，以及扩大基于音频的分析范围以捕获仅文本数据可能会错过的情感线索。
来源:亚马逊云科技 _机器学习本文由 Instituto de Ciência e Tecnologia Itaú (ICTi) 和 AWS 共同撰写。
情感分析在现代企业中变得越来越重要，它可以提供对客户意见、满意度水平和潜在挫折的洞察。由于交互主要通过文本（例如社交媒体、聊天应用程序和电子商务评论）或语音（例如呼叫中心和电话）进行，组织需要强大的方法来大规模解释这些信号。通过准确识别和分类客户的情绪状态，公司可以提供更主动、定制的体验，对客户满意度和忠诚度产生积极影响。
尽管具有战略价值，但实施全面的情绪分析解决方案仍面临一些挑战。语言歧义、文化差异、地方方言、讽刺表达和大量实时数据都需要可扩展且灵活的架构。此外，在基于语音的情感分析中，如果音频被转录并纯粹作为文本处理，则可能会丢失语调和韵律等关键特征。 Amazon Web Services (AWS) 提供了一套工具来应对这些挑战。 AWS 提供从音频捕获和转录 (Amazon Transcribe) 到文本情感分类 (Amazon Comprehend) 的服务，以及智能联络中心解决方案 (Amazon Connect) 和实时数据流 (Amazon Kinesis)。
文本情感分析
在本节中，我们讨论将音频转录为文本并使用 LLMS 进行情感分析的方法。
挑战和特点
此方法面临以下挑战：
测试模型和基本原理
我们在两种配置中测试了每个模型：