共计 2963 个字符，预计需要花费 8 分钟才能阅读完成。
随着餐饮行业进入线上线下、堂食外卖并重的“双主场”时代，面对铺天盖地的用户评论数据，如何用数字化伎俩优化经营成为餐饮企业降本增效的要害。明天带来的分享案例是黑蚁资本如何借助 PaddleNLP 情感剖析技术开发了用户评论洞察零碎，实现降本增效的例子。一起来看看吧！
黑蚁资本，是一家来自上海的深耕生产畛域投资的企业，成立之初就信心让“投后服务”成为机构的外围能力之一，而“数字化”正是黑蚁服务被投企业的重要内容。为了帮忙被投企业晋升评估数据的解决效率，黑蚁投后数字化团队基于 PaddleNLP 情感剖析技术，开发了用户评论洞察零碎，帮忙品牌高效深刻理解用户反馈，主动抽取出高价值信息，实现量化统计分析，从而升高经营老本，优化产品和服务，晋升市场竞争力。
据悉，情感剖析技术 （Sentiment Analysis Technology）是一种以后风行的旨在对带有情感色调的主观性文本进行剖析、解决、演绎和推理的技术，在 生产决策、舆情剖析、个性化举荐 等畛域都领有宽泛的利用前景。
情感剖析示意图
初衷：想以更低成本，凝听用户声音
正如哈勃望远镜，哈勃舆情取“哈勃”二字是心愿通过工具看见他人所看不到的货色，其开发的最后灵感来源于黑蚁投后团队对生产行业数字化的洞察。
2021 年初，黑蚁资本经营董事 Jeru 刘湛率领黑蚁投后数字化团队在对被投品牌做调研时发现，用户的反馈对驱动产品迭代、改良服务十分重要，然而凝听用户声音的老本却很高。
Jeru 介绍，过来一个品牌想获取用户评论状况，如 NPS 净推荐值，包含举荐志愿和复购志愿，须要通过一系列的调研剖析：请第三方公司采纳问卷调查、实地拦挡、线下采访等形式进行调研；实现调研后再找打标签的公司，人工在产品用户评论下抽取约 2000 条评论，在 Excel 表格里打标签标记。
上述这种形式存在显著的问题。一方面，调研采集到的样本的数据量无限且真实性有待考据，大大影响后续剖析的客观性和准确性；另一方面，人工打标签的形式不仅标注不对立，主观性强，而且操作老本十分高。
Jeru 回顾到，过后市场上大多数的产品只是单纯用古老的技术做评论剖析，精准度和精密度并不是很高。他就思考，如何将用户评论洞察自动化，让非结构化的评论数据变成结构化的数据呢？因为只有结构化的数据才不便量化统计分析，使经营者更直观快捷地理解用户，取得迷信的指引，从而实现精准的产品经营决策。
瓶颈：PaddleNLP 解研发当务之急
在通过半年的市场调研后，Jeru 迅速组织技术专家投入到研发中，在团队共同努力下，历经两年工夫，黑蚁终于自主研发出用户评论洞察零碎哈勃舆情，截止到目前，黑蚁曾经公布了 30 多个零碎版本，基本上每周都会更新迭代一次。
哈勃舆情相似于一个智能化“顾客情感温度计”，它能从不同的维度来感知顾客在不同指标上的情绪并进行剖析，比方，用户会对某一种品牌的评估常常提到某一项（提及率，代表用户的心智），在一句评论中可能会表白多个“观点”，这些“观点”往往蕴含三要素：维度、观点词、情感。维度个别是名词（比方菜品、价格），观点词个别是形容词（比方辣、丰盛），两者合在一起表白的是一种某货色怎么样的观点，哈勃舆情能够判断顾客所表白观点情感是正向还是负向，最初将情绪指标得分以量化的模式出现给经营管理者，从而帮忙品牌商找到问题。
哈勃舆情零碎图研发过程并非一帆风顺。哈勃舆情刚开始研发模型做情感预测时，他们只能判断整句评论（粗粒度）的好坏，而无奈对多观点独立（细粒度）做预测情感，以致情感预测论断数据准确率不高，研发进入了瓶颈。
2022 年 5 月，一次偶尔的机会，Jeru 在 GitHub 上看到 PaddleNLP 开源了 通用信息抽取技术 UIE，他过后感觉 UIE 非常适合哈勃舆情的研发，或者能够解决困扰他们已久的难题。
据理解，UIE 是一个大一统诸多工作的凋谢域信息抽取技术计划，创始了基于 Prompt 的信息抽取多任务对立建模形式。PaddleNLP 联合文心大模型中的常识加强 NLP 大模型文心 ERNIE 3.0，施展了 UIE 在中文工作上的弱小后劲，推出面向通用信息抽取的产业级技术计划。
因为 PaddleNLP 在情感剖析能力上体现优异，可能实现波及句子级情感极性分类、属性抽取、观点抽取、属性级情感极性分类等多项情感工作，并提供可视化能力，帮忙用户疾速剖析业务数据，这极大帮忙了黑蚁投后数字化团队开发哈勃舆情，也帮他们节俭了大量的训练老本。
“没有呈现通用模型之前，开发者须要分行业去训练模型，要晓得一个行业 要用到 10 万以上量级的标签来训练模型，才会获得比拟好的成果。”Jeru 感叹到训练老本太高。
Jeru 进一步解释说，在预训练大模型进去之前，传统的技术计划下，简直所有的 NLP 公司都偏向于找打标签的人员通过打标签的形式来训练本人的模型。但有了预训练大模型后，整个行业的玩法产生了扭转。当初大家只须要应用一个通用的大模型，无需标注，或仅需大量标注，就能对独立观点进行精准情感预测，这样就极大升高了开发成本。同时基于 UIE 的技术计划不限定行业畛域和抽取指标，可零样本疾速冷启动各类信息抽取工作，加上强悍的小样本微调能力，使得观点抽取查全率与精准率大幅晋升。
具体来说，在 UIE-base 和 fp32 精度下，相较人工至多须要一天工夫来统计 1000 条样本的状况，该零碎的 细粒度抽取观点效率约为 30 条 / 分钟，粗粒度情感断定约为 135 条 / 分钟，通过行业微调后的数据准确率达到了 85% 以上。
终极：心愿以交互方式答复人类问题
据理解，哈勃舆情零碎不仅供黑蚁的投资团队用于行业剖析报告钻研，还帮忙黑蚁投资的诸多品牌聆听用户的声音，实现降本增效。
例如，黑蚁为被投企业某区域火锅品牌做菜品剖析时，零碎针对菜品建设专门指标体系，进行评估量化，逐月剖析菜品的变动，帮忙品牌找出了可优化的菜品，调整更新了口味、配方和原料，最终让火锅店用户对菜品的评分从 60 分进步到 90 分。
此外，黑蚁团队在发展县域中青年生产需要钻研时，将原野和定量调研回收的数据交由哈勃舆情来解决，凭借其弱小的语义解析 AI 模型帮忙团队更高效地理解具体品类下县域消费者心智。
对于将来的产品布局，黑蚁将花更多工夫精力针对不同行业进行样本微调，不断完善模型的辨认能力。
Jeru 谈到，“咱们心愿零碎将来能以交互的形式给出答复。当我问零碎‘为什么某品牌的用户忠诚度更高‘的问题时，它不再是以词语的形式给出答案，而是以人类语言的形式组织观点，更直观地通知我答案，我认为这是一个终极。”
现在，利用人工智能技术促成经营转型曾经在生产行业取得越来越多的认可与推崇。餐饮、电商、批发……新生产浪潮下的各个品牌正在新品开发、品牌建设、销售服务等方面推动智能化降级，通过 AI 优化业务场景，致力与用户建设更有温度的联接，一直晋升企业的市场竞争力。
将来，飞桨将携手更多金融投资机构继续助力生产行业，在情感剖析能力方面，通过情感偏向剖析、评论观点抽取、对话情绪辨认等场景化能力，以 AI 技术赋能生产行业数字化转型，独特摸索“深度学习 +”生产的翻新之路，为生产行业智能化降级注入更弱小能源。
参考
- PaddleNLP 情感剖析计划
https://github.com/PaddlePadd…
- PaddleNLP 我的项目地址
https://github.com/PaddlePadd…
