課題
海外のお客様から集まるアンケートには、製品の機能に対する率直な評価が自由記述で書かれています。ただ、その量は人が一件ずつ読んで集計するには多すぎ、どの機能がどう評価されているのかを把握しきれずにいました。
英文の自由記述から「どの機能について」「どう評価しているか」を自動で抜き出すには、文中の語句単位でラベルを付ける系列ラベリングのモデルが有効です。一方で、そのモデルを学習させるための英文アノテーションデータは手元にありませんでした。
支援内容
Nextremerは、学習データの作成からモデル開発まで一続きで支援しました。
- 抽出したい機能のカテゴリと評価の表現を整理し、ラベル体系を設計
- 英文アンケートの語句に対して、機能分類ができるよう系列ラベリングのアノテーションを実施
- 表現の揺れや言い回しの違いを踏まえ、ラベル付けの判断基準をそろえる
- 作成したデータを使い、評価を抽出する機械学習モデルの開発を支援
成果
英文の自由記述から、機能ごとの評価を抽出できる状態を整えました。人手では追いきれなかった海外顧客の声を、機能単位で分析する土台ができています。
