語意分析技術在社群聆聽的應用
社群聆聽（Social Listening）幫您建立最靈敏的耳朵，全面又快速地了解民眾的真實想法。網路的內容種類多元且樣式繁雜，隨時隨地都有網友在發表，而人工google彙整與閱讀的速度，難以建立結構化資料有效幫助分析現況、預測未來。
社群大數據時代，在機器日新月異的運算能力及源源不絕的學習文本的影響之下，語意分析技術的角色，能幫助我們消化巨量資料後，提煉出易於閱讀理解、快速統整的形式。
社群聆聽（Social Listening）幫您建立最靈敏的耳朵，全面又快速地了解民眾的真實想法。網路的內容種類多元且樣式繁雜，隨時隨地都有網友在發表，而人工google彙整與閱讀的速度，難以建立結構化資料有效幫助分析現況、預測未來。
社群大數據時代，在機器日新月異的運算能力及源源不絕的學習文本的影響之下，語意分析技術的角色，能幫助我們消化巨量資料後，提煉出易於閱讀理解、快速統整的形式。
「意藍資訊近年來不斷開拓文字探勘和中文語意分析的技術領域，
OpView社群口碑資料庫便是集其大成。」
1. 蒐集 ＞
擷取國內主流常見的新聞網站、社群媒體等資訊
2. 整理 ＞
將資料分門別類，建置索引、擷取主題以方便機器查詢
3. 分析 ＞
預先進行斷詞、情緒等語意分析，將質化文本轉換為量化資料
4. 呈現 ＞
透過瀏覽器線上查詢，並將資料視覺化以互動式圖表呈現摘要
社群大數據在國內外已有很多研究成果，研究方法日漸成熟 ，加上其高準確率、高時效性、高代表性、容易執行等特性，成為企業與學者們在新時代中愛不釋手的數據分析新利器。
社群大數據在國內外已有很多研究成果，研究方法日漸成熟 ，加上其高準確率、高時效性、高代表性、容易執行等特性，成為企業與學者們在新時代中愛不釋手的數據分析新利器。
OpView的三大語意分析技術
文字斷詞與文字雲呈現
擷取與內容相關的重要熱門關鍵字，並以圖表呈現，方便使用者彙整討論的重點與面向。
內容情緒判別
自動將帶有重要情緒的資訊統計，減少使用者閱讀並人工標記全部資料所花費的大量時間。
作者族群判別
自動將帶有重要情緒的資訊統計，減少使用者閱讀並人工標記全部資料所花費的大量時間。
文字斷詞與文字雲呈現
關鍵字（Keyword）表示為文章內容的重點，用於拆解巨量文字資料中常見詞彙，進一步再收斂成重點的議題面向，也就是俗稱的文字探勘（Text Mining）。透過多重演算法的處理，進行斷詞、特徵詞萃取、權重演算等程序，最終取得關鍵字重要性的排序，其排序標準包含文本中出現頻率或權威程度。
而文字雲（Word Cloud）就是最常見的呈現方式，如左圖所示，可以看到在消毒清潔用品中常見的字詞包含抗菌、防霉、除箘、保濕、肌膚等較屬於需求面向的字詞，但同時也包含購買面向的字詞如代購、售價、東森、蝦皮、淘寶台灣等。
內容情緒判別
在分析社群資料時，透過自然語意分析技術擷取詞彙、分析文意，可將每一則文字內容貼上正面或負面的標籤。常見衡量情緒比的方式，即是將正面聲量則數除以負面聲量則數，相除後得到的情緒比（Positive to Negative Ratio）或稱P/N值（比） ，是用於分析網友發文的內容偏向負面或正面的指標，亦可稱作好感度 。
可應用在相同比較基準的主題中，像是同產業間品牌的比較、相似產品的比較或是與自身過往的P/N值相比等。左圖可見綠的GREEN的P/N值高達24，數據背後的意思是：「討論到品牌的口碑中，每24則正面討論才有1則負面評論」，進一步可再由文本中的描述，探究比值高低的原因。
作者族群判別
族群（Audience）用於分析網友的身分，可透過帳號過往的發言內容與ID，大量地萃取出代表族群的特徵詞，再建立族群分類模型，推測帳號的可能性別、婚姻狀態、生涯階段等，如口碑中提及「小弟我」、「我剛退伍」等特徵詞可推測其為男性。
在進行聲量分析時，可進一步將聲量區分為不同族群的需求或偏好，藉以探討特定品牌、議題，在不同受眾中的口碑評價。以左圖為例，在消毒清潔用品的族群口碑中，女性、已婚、有子女的網友，是對議題較關注的族群，右圖則摘錄出不同族群對商品的心得評價。