Gli strumenti software per l’analisi sintattica e la correzione automatica di un testo sono parte integrante dei principali editor di testo sul mercato. Per quanto riguarda l’analisi semantica, invece, gli strumenti sono ancora molto limitati e non molto diffusi. Le cose potrebbero però cambiare in tempi molto rapidi, perché l’esplosione dei social network sta rendendo disponibile un insieme enorme e molto interessante di informazioni da analizzare.
La stragrande maggioranza degli utenti di Facebook e Twitter (per citare i social network più diffusi negli States e in Europa) ignora i meccanismi che ne regolano la privacy e perciò, più o meno ingenuamente, dà seguito all’impulso di commentare notizie, eventi, prodotti di consumo, ecc. Ecco quindi che strumenti per l’analisi del significato di questi messaggi possono diventare molto utili per chi si occupa di statistica e di marketing.
L’analisi semantica applicata alle opinioni prende il nome di opinion mining, o sentiment analysis. In senso generale ha lo scopo di conoscere l’atteggiamento di una persona (che parla o scrive) nei confronti di un argomento, analizzando un intero discorso o singole frasi. Twitter sta utilizzando queste tecniche per misurare il grado di apprezzamento dei candidati alle elezioni presidenziali americane. Il Twitter political index traduce in due indicatori numerici i sentimenti degli utenti nei confronti di Obama e Romney, analizzando gli oltre 400 milioni di messaggi dello stream giornaliero.
La sentiment analysis supera le tecniche di analisi quantitativa alla Klout, che si limitano a stabilire il grado di influenza di persone e brand misurando una serie di grandezze quali il numero di messaggi scritti, il numero di risposte ottenute, il numero di ri-condivisioni da parte di amici e followers. Il principale difetto di queste tecniche è che sono facilmente aggirabili per mezzo di agenti software (i cosiddetti bot), che operano con diverse modalità, dall’aumento artificioso del numero di fan di una pagina Facebook, allo spam pubblicitario. Ma, non essendo dotati di vera intelligenza, i bot possono essere invece individuati dagli analizzatori semantici e quindi ignorati nel processo di opinion mining.
Molto interessante è anche la possibilità di distinguere tra messaggi favorevoli e messaggi sfavorevoli. Supponiamo che un’azienda reclamizzi un proprio prodotto su Facebook, con un post di tipo multimediale (foto o video, più testo). Il fatto che i fan della pagina scrivano mille commenti al post non è indice assoluto di gradimento. I commenti potrebbero essere positivi, negativi, o una via di mezzo: la sentiment analysis permette proprio di scoprire l’opinione prevalente. Perché i risultati della sentiment analysis siano affidabili restano tuttavia alcuni nodi da risolvere, primo fra tutti quello dell’uso dell’ironia: come fare a distinguere il giudizio negativo espresso da un messaggio dal tono apparentemente positivo? Avremo presto una risposta.
