Sentimentanalyse – nützlich oder sinnlos?

Guten Abend an alle, oder vielleicht auch guten Morgen/Tag.

Ich habe die Stimmungsanalyse schon vor einiger Zeit aktiviert, aber für mich scheint sie keinen echten Mehrwert zu bieten. Die Daten sind entweder unzureichend oder im besten Fall mehrdeutig.

Mich interessiert, wie andere sie nutzen oder ihren Wert einschätzen?

Wir haben kürzlich die Möglichkeit geschaffen, für die Klassifizierung ein LLM zu verwenden, und @sam fügt gerade die Funktion hinzu, Jev-artige Entscheidungsmodelle für die Sentiment-Klassifizierung einzusetzen.

Das wird zwar teurer, aber dafür genauer.

3 „Gefällt mir“

Super, das habe ich wohl übersehen. Wäre es so freundlich von dir, mir einen Hinweis zu schicken? Mir macht es nichts aus, ein paar zusätzliche Tokens zu verbrauchen, wenn es dafür etwas Wertvolleres liefert.

1 „Gefällt mir“

Ich denke, du suchst hierafter: Classification in the Discourse Sentiment Dashboard - #11 by fzngagan

Ich frage mich, ob es daran liegt, dass mein selbst gehostetes Modell nicht korrekt konfiguriert ist, oder ob mein Gedächtnis versagt. Aber ich erinnere mich daran, Emojis (Emotionen) im Admin-Dashboard gesehen zu haben, die später von meiner Instanz verschwanden.

Diese Analyse war präziser und auch nützlicher, weil jeder sie interpretieren kann. Ich glaube, die traditionelle technische Darstellung der Stimmungsanalyse ist eine unbewusste Hürde für deren Adoption durch Menschen.

Ich meine, die Funktionalität kann zwar durchaus Mehrwert bieten, aber wir scheitern dann an ihrer Interpretation, weil sie zu „trocken“ ist. Wenn man beide Analysen zusammenführt, würde man meiner Meinung nach viel mehr Spielraum gewinnen.

Und vielleicht könnte man einige engere Implementierungen hinzufügen, ohne dass man zum Admin-Dashboard gehen oder benutzerdefinierte Abfragen verwenden muss.

Es gibt noch viel zu erforschen und zu lernen. Meine ursprüngliche Frage bleibt offen: Gibt es heute in Discourse ein Emotions-Dashboard, oder habe ich es mir nur eingebildet?

Ich habe einen kurzen agentenbasierten Test durchgeführt. Der frisst wirklich eine Menge Tokens. Ich lasse es jetzt einfach sein, da gibt es so viel bessere Möglichkeiten, Tokens zu nutzen, die tatsächlichen Mehrwert bringen.

Entscheidungsmodelle machen es sehr günstig, ich stimme zu, dass LLMs dafür ein Overkill sind.