سنجش توزیعی احساسات برای شناسایی شکایت‌های غیرعادی

پژوهشی که در ۲۹ سپتامبر ۲۰۲۶ در arXiv منتشر شده، روشی برای تحلیل شدت احساسات منفی در شکایت‌های مصرف‌کنندگان ارائه می‌کند؛ روشی که به‌جای خلاصه‌کردن هر متن در یک برچسب مثبت یا منفی، شکل کلی توزیع احساسات را بررسی می‌کند. یافته اصلی پژوهش این است که شدت احساسات به‌تنهایی مرز روشنی میان شکایت‌های موجه و غیرموجه ایجاد نمی‌کند، اما همراه‌کردن آن با مبلغ و نتیجه پاسخ شرکت می‌تواند به شناسایی موارد نامتعارف برای پایش ریسک عملیاتی کمک کند.

فراتر از برچسب مثبت و منفی

تحلیل احساسات معمولاً برای تبدیل متن‌های آزاد به داده‌های قابل‌اندازه‌گیری به‌کار می‌رود؛ از جمله در امور مالی و مدیریت ریسک. در کاربردهای رایج، خروجی اغلب به یک دسته‌بندی مانند احساس مثبت یا منفی، یا یک عدد پیش‌بینی‌کننده خلاصه می‌شود. نویسندگان پژوهش می‌گویند چنین رویکردی ممکن است تفاوت در شدت احساسات موجود در روایت‌های شکایت را نادیده بگیرد.

در این مطالعه، احساسات منفی نه یک برچسب گسسته، بلکه متغیری پیوسته و محدود در نظر گرفته شده است. به زبان ساده، مدل فقط نمی‌گوید یک شکایت منفی است یا نیست؛ بلکه امتیاز شدت احساسات متن را در چارچوبی بررسی می‌کند که مقدار آن محدود است.

مدل‌سازی توزیع شکایت‌ها

بر اساس چکیده مقاله، پژوهشگران ابتدا با یک طبقه‌بند مبتنی بر ترنسفورمر به روایت هر شکایت امتیاز می‌دهند. ترنسفورمر نوعی معماری یادگیری ماشین است که در بسیاری از سامانه‌های پردازش زبان برای تحلیل متن به‌کار می‌رود. سپس امتیازها با توزیع بتا مدل می‌شوند؛ روشی آماری برای توصیف متغیرهایی که در یک بازه محدود قرار دارند.

پژوهشگران توزیع امتیازهای شکایت‌های موجه و غیرموجه را با دو معیار مقایسه می‌کنند: واگرایی کولبک–لایبلر و فاصله هِلینگر. این معیارها میزان تفاوت میان دو توزیع را می‌سنجند؛ بنابراین تمرکز تحلیل، تنها بر مقایسه یک امتیاز یا میانگین نیست، بلکه شکل کلی توزیع نیز در نظر گرفته می‌شود.

احساسات به‌تنهایی کافی نیست

طبق نتایج گزارش‌شده، توزیع شدت احساسات در دو گروه شکایت هم‌پوشانی زیادی دارد. در نتیجه، بالا یا پایین بودن امتیاز احساسات منفی به‌تنهایی ابزار دقیقی برای تشخیص نتیجه یا اعتبار یک شکایت نیست. این نکته محدودیتی مهم برای سامانه‌هایی است که می‌خواهند بر پایه تحلیل متن، درباره شکایت‌ها تصمیم‌گیری کنند.

پژوهش برای تکمیل ارزیابی، توزیع احساسات را با مبلغ‌های مالی و پیامدهای پاسخ شرکت‌ها مرتبط می‌کند. هدف، ساخت شاخص‌هایی برای شناسایی شکایت‌هایی است که شدت آن‌ها در متن با میزان جبران ثبت‌شده سازگاری ندارد. چنین مواردی می‌توانند به‌عنوان ناهنجاری برای بررسی بیشتر یا پایش ریسک عملیاتی علامت‌گذاری شوند.

این نتیجه به معنای اثبات خطا یا تخلف در یک شکایت مشخص نیست. چکیده مقاله روش را ابزاری تشخیصی معرفی می‌کند که موارد نامعمول را برجسته می‌سازد؛ نه جایگزینی برای بررسی انسانی یا داوری درباره هر پرونده. همچنین اطلاعات ارائه‌شده درباره جزئیات داده‌ها یا عملکرد کمی روش، فراتر از همین خلاصه نیست.

این خبر برای چه کسانی اهمیت دارد

این رویکرد برای پژوهشگران پردازش زبان طبیعی و تحلیل احساسات، و نیز گروه‌هایی که شکایت‌های مشتریان را برای مدیریت ریسک بررسی می‌کنند، قابل‌توجه است. پیام عملی پژوهش این است که برچسب‌های ساده ممکن است بخشی از اطلاعات متن را از بین ببرند؛ بااین‌حال، شدت احساسات نیز نباید به‌تنهایی مبنای تصمیم باشد. ترکیب تحلیل متن با داده‌های مالی و نتیجه پاسخ شرکت، در این مطالعه راهی برای اولویت‌بندی موارد نامتعارف پیشنهاد می‌کند.