浅谈人工智能产品设计——情感分析

人工智能产品的定义较为广泛，智能硬件、机器人、芯片、语音助手等都可以叫做人工智能产品。本文讨论的人工智能产品主要是指在互联网产品中运用人工智能技术。

互联网产品主要着手与解决用户的痛点，对于C端产品来说，痛点就是指的个人想解决而无法解决的问题，如个人想要美化自己的照片，但是他不会复杂的PS软件，于是美图秀秀就可以解决这个痛点。从KANO模型中，就是满足用户的基本需求与期望需求。

人工智能产品（在互联网产品中运用人工智能技术）则是要满足用户的兴奋需求。如将情感分析运用到电商的产品评论中，用户则可以通过可视化的数据展示来大致对产品有个全面、直观的了解，而不再需要自己一页一页的翻看评论内容。

互联网产品主要关注点在于用户需求、流程设计、交互设计、商业模式等。着眼于用户需求，设计满足用户需求的产品，通过合理的流程设计、交互设计达到产品目标，进而实现商业目标。典型的思路是发现用户需求——>设计满足用户需求的产品——>迭代完善、产品运营——>商业变现。

人工智能产品关注点在于模型的构建，它不再是对于布局、交互的推敲，而是通过选择合适的数据，构建合适的模型，最终呈现出来的是好的效果。什么是好的效果呢？这就需要引入评测指标。互联网的评测指标有我们熟知的留存率、转化率、日活跃等，那么人工智能的产品主要是通过一些统计指标来描述，以情感分析为例，把情感分析看成一个分类问题，则可以使用P、R、A、F值来描述。

1）查准率（Precision）：P值，衡量某类分类中识别正确的比例，如情感分析中，有10条被分类为“正向”，其中8条是分类正确的（由人工审核），那么P=8/10=80%

2）查全率（Recall）：R值，又叫查全率，又叫召回度，指的是某类被被正确分类的比例，同样以情感分析为例，100条数据中有10条是正向的，机器分类后，这10条中有7条被分类为正向，则R=7/10=70%

3)F值，因为P值和R值通常是两个相互矛盾的指标，即一个越高另一个越低，F则是两者综合考虑的指标，不考虑调节P、R权重的情况下，F=2PR/(P+R)

4）精确度（Accuracy）：这个最好理解，就是被准确分类的比例，也就是正确率。如100条数据，90条是被正确分类的，则A=90/100=90%。

以上指标越高，说明模型效果越好。

我们从上面内容可以知道，人工智能产品设计关注：数据——>模型——>效果评估。

现在我们以情感分析为例子说明产品设计的过程。

1）数据：

数据的选择对最终模型的结果有直接影响，情感分析，根据不同的目的，选择的数据也不同。如将情感分析运用于**票房预测，则一些更新及时、内容丰富的数据源，如微博，是比较好的选择。如果是应用于商品的评价，如电子产品，很多评测内容是无法在短短几句话内描述清楚的，这时候微博不是个好的选择，选择论坛上更新较慢、但是详细的内容就比较适合。

如果能在产品的早期就有引入人工智能的打算，则可以在产品中事先做好数据采集。

2）模型：

在选择模型中，产品需要了解不同的模型的优缺点，进而选择更加合适的模型。在情感分析中，NB、SVM、N-gram都是常用的模型，其中SVM效果最好（这是已有的结论），如果是其他的智能产品，可能需要算法团队进行实验，给出测试数据，进而选择合适的模型。

3）效果评估：

效果评估在上文中已经描述得比较清楚，具体指标不再赘述。

4）产品呈现：

最后这一步，是将结果展示给用户。在情感分析中，我们可以选择雷达图、词云、情感趋势图来展示结果。取决于产品属性，如电商产品评论挖掘，可以使用词云；

如舆论分析，可以使用情感趋势图。

人工智能产品的设计要关注：数据、模型、评判、呈现。

属于小型的扭蛋机机器人，是一个有自我意志的机器人。尺寸比小宝他们的toy size稍小。多数时候是躲在拉比的口袋里，偶尔自己走动。虽然外形给人不可靠的形象，但他竟然是酷宝王国的大臣。在酷宝王国，拥有庞大的后勤部队。对于拉比的话，经常以地球人的常识无法理解的方式回答。

拉比偶然拿到情感核能硬币。把硬币投入诺比的话，会出现小型的点心能源，对诺比来，除了是拉比的管家的立场之外，在地球上并没有担任任务。也就是说，与情感核能的采集毫无关系。拉比的角色是自言自语的情况很多，所以那个时候就充当拉比的对话对象。

扭扭蛋兽自己能够移动，也有一定程度的智力水平。可是，因为不能出现在所有的能源采集现场，所以从现场带回情感核能硬币到扭蛋机的时刻，基本上会放到硬币瓶子或者袋子里收藏。

数据堂与云测数据都是国内数据服务商。

数据堂，主要是数据集售卖，就是自己做好数据集，包括文本、语音、图像等，然后有AI需求的企业通过购买现成的数据集来训练算法，除了数据集也有定制服务。如果你的算法需要更高的精度训练，可能类似数据集就无法满足需求。

云测数据，主打定制化场景搭建，这是其核心竞争力之一，以此帮助 AI 企业或部门构建数据核心壁垒，提供人工智能场景化落地最需要的数据，帮助客户获取差异化优势。

云测数据目前的整个数据服务人员已达千人规模，通过标审分离的流程化作业模式和数据安全机制，更好保证数据的高质量产出和数据隐私性，从而更好地为人工智能落地提供定制化『数据养料』。

如今 AI 与各个产业结合得愈加紧密，为保证算法优势，客户需要采用定制化服务，由客户提出具体需求，数据服务商对数据进行采集并标注，定制化数据的需求日益增长标志着数据服务 40 时代已经来临。

云测数据通过提供定制化服务，更加规范性的组织管理和质量控制，云测数据的数据标注质量更高更可靠，这样能为企业AI算法研发提供高质量的数据支撑。

目前，云测数据也推出了在智能驾驶、智能家居、智能安防、新零售等方向的解决方案，成功服务100+企业，感兴趣可以了解更多。