DGB Sentiment-værktøj

Indtast en gæstetekst

Prøv eksempler

Det var en hyggelig oplevelse med familien Kagerne var søde og kafeen autentisk Jeg var lidt skuffet, køen var lang Ikke dårligt, men heller ikke overvældende Fantastisk håndværk og meget prøvet tidsrejse Det føltes overstået og fortravlet

Husk: Rettelser gemmes i din browser (localStorage). Brug Eksporter for at gemme dine ændringer permanent til CSV.

Ord	Score	Kategori	Forekomster	Gns. rating	Kilde	Note

Sådan fungerer modellen

Modellen er en leksikon-baseret sentiment-scorer med data-lærte ord-scores. Princippet er gennemsigtigt og editerbart.

1. Start-leksikon fra data

Hvert ord i leksikonet har fået sin score ud fra de 1.800 faktiske svar. Formålen: hvis et ord typisk forekommer i svar med høj rating, får det positiv score. Hvis det forekommer i svar med lav rating, negativ.

score(ord) = gennemsnit_rating(svar med ordet) − baseline

Baseline er 7,39 (samlet gennemsnit). Et ord som farmor har score +1,48 fordi svar der indeholder "farmor" i gennemsnit har rating 8,87. Et ord som overstået har score −3,92 fordi det optræder i klart utilfredse svar.

2. Scoring af ny tekst

Tekst tokeniseres (splittet i ord, lowercase, tegnsætning fjernet). Hver ord slås op i leksikonet. Ord der ikke findes ignoreres. Resultatet er gennemsnittet af alle scorede ord.

3. Negationer og intensifikatorer

Ord som ikke, aldrig, uden inverterer scoren på det efterfølgende ord. Ord som meget, virkelig, rigtig forstærker. Ord som lidt, en_smule dæmper.

4. Din rolle

Leksikonet er editerbart. Du kan rette scores for ord du mener er fejlklassificerede (fx ord der tilfældigvis optræder meget i positive svar uden selv at være positive). Dine manuelle ændringer markeres med kilde manuel og overskrives ikke når modellen gentrænes på ny data.

5. Forbehold

Modellen forstår ikke kontekst — den summerer ord. Ironi og sarkasme fanges ikke.
Data-lærte ord kan være spuriose. Ord som version eller fik kan få stor negativ score bare fordi de tilfældigvis forekommer i kritiske svar. Her skal du rette manuelt.
Leksikonet kan og skal udvides. Når nye svar kommer ind via Forms-pipelinen, kan modellen gentrænes — med dine manuelle rettelser bevaret.

Metodenotatet beskriver dette i fuld akademisk form.