Automatisierung von Verkostungskommentaren, die von Verbrauchern bereitgestellt werden
Die Meinung der Verbraucher ist für Lebensmittelunternehmen zunehmend von Interesse (billiger und repräsentativer als ein Expertenpanel). Die automatische Analyse von Kommentaren ist jedoch noch wenig erforscht und wird heute manuell durchgeführt. Dieses multidisziplinäre Projekt zielt darauf ab, einen Automatisierungsprozess zu finden, der Schwierigkeiten wie die Verarbeitung von Sätzen wie "Wein mit viel Säure, aber wenig Bitterkeit" oder "Wein mit einer schönen Säure und einer erfrischenden Bitterkeit" integriert. Die automatische Verarbeitung von Negationen und die Erkennung der Polarität von Begriffen in Abhängigkeit von ihrer Umgebung scheinen die größten Herausforderungen zu sein, um ein nützliches Werkzeug für das Marketing und die sensorische Analyse anzubieten.
Während der Projektzeit wurden mehrere Schritte unternommen.
- Über die Plattform Mondovino (Coop) und verschiedene Datenbanken wurde eine große Anzahl von Degustationskommentaren von Fachleuten und Konsumenten gesammelt.
- Zwei Weinontologien mit über 2.225 verschiedenen Begriffen auf Französisch und 425 verschiedenen Begriffen auf Englisch wurden erstellt, um Weinbegriffe und -konzepte zu hierarchisieren und zu standardisieren.
- Die Methoden der natürlichen Sprache wurden angewandt und mithilfe mehrerer Deep-Machine-Learning-Algorithmen weiterentwickelt, um die in den gesammelten Kommentaren enthaltenen Informationen zu analysieren.
- Der entwickelte Ansatz wurde anhand von über 1000 Verkostungskommentaren trainiert und getestet, die bei Verbrauchertests gesammelt und von uns mit einem Gütesiegel versehen wurden.
Die Optimierung der Algorithmen des maschinellen Lernens für die Verarbeitung natürlicher Sprache (NLP) hat eine deutliche Verbesserung der Extraktion von Konzepten aus den Verkostungskommentaren gezeigt, die durch klassische Metriken des maschinellen Lernens unterstützt wird. Auch die Erstellung einer umfangreichen Weinontologie und deren kontinuierliche Implementierung verbessert die automatische Extraktion und verringert die Variabilität der manuellen Verarbeitung.
Während die Weinontologie auf Französisch heute konsequent ist, müsste die Ontologie auf Englisch noch vervollständigt werden, da am Ende dieses Projekts nicht genügend Material zur Verfügung steht. Auch wenn das Projekt speziell auf den Weinsektor zugeschnitten ist, lassen sich der Aufbau und die Nutzung auf jeden anderen Bereich übertragen, der mit Verbrauchermeinungen zu tun hat (z. B. Tourismus, Lebensmittelindustrie). Die Valorisierung dieses Projekts wird in den kommenden Monaten mit der Veröffentlichung von Artikeln fortgesetzt. Zur Verwertung der Ergebnisse wurde online eine Demonstrationsplattform bereitgestellt.
Aufwertung
REBENAQUE P., GHORBEL H., ALBERTETTI F., VAN GYSEL L., DANTHE E., DENEULIN P., Does automated analysis of open comments from consumers allow us to get relevant results to understand their preference? PANGBORN 2019: 13th Pangborn Sensory Science Symposium, 28. Juli -1. August 2019, Edinburgh, Schottland(PDF)
2016 - 2018
Partner: Haute Ecole Arc
Finanzierung des von Changins durchgeführten Teils: HES-SO
