Аспектний аналіз тональності відгуків (ABSA) за допомогою LLM

Аспектний аналіз тональності відгуків (ABSA) за допомогою LLM

Ви ведете мережу готелів і отримуєте тисячі відгуків на місяць. Загальний сентимент — 4.2 зірки, але ви не знаєте, що саме потрібно покращити. Гості пишуть: «Номер чистий, але Wi-Fi огидний, і сніданок так собі». Три аспекти, три думки — а у вас тільки середня оцінка. ABSA (Aspect-Based Sentiment Analysis — за визначенням із Wikipedia) витягує ці деталі та перетворює їх на actionable інсайти.

Наша команда впровадила ABSA для 15 клієнтів у e-commerce, HoReCa та логістиці — опрацьовано понад 2 млн відгуків, середній час проєкту — 3 тижні. Підхід простий: LLM + structured output + агрегація. У цій статті розберемо, як це працює в продакшені та чому generic-рішення не дотягують.

Чому ABSA кращий за загальний сентимент?

Без ABSA ви втрачаєте контекст. Наприклад, фраза «персонал привітний, але черги дикі»: загальний позитив, а аспект «швидкість обслуговування» негативний. Тільки аспектний аналіз дає сигнал менеджеру: «збільште кількість касирів у години пік». За нашими даними, 68% негативних відгуків містять хоча б один позитивний аспект — без ABSA ці сигнали губляться.

Як LLM вирішує задачу ABSA

Класичні підходи (CRF, BiLSTM, BERT fine-tuning) вимагають розміченого корпусу. Для нового домену — це тижні розмітки. LLM з structured output вирішує задачу швидше: один промпт — і ви отримуєте JSON з аспектами та тональностями.

Ось Pydantic-модель, яку ми використовуємо в продакшені:

class AspectSentiment(BaseModel):
    aspect: str
    sentiment: Literal["positive", "negative", "neutral", "mixed"]
    opinion_phrase: str
    score: float  # -1.0 to 1.0

class ReviewAnalysis(BaseModel):
    aspects: list[AspectSentiment]
    overall_sentiment: Literal["positive", "negative", "neutral", "mixed"]
    key_issues: list[str]
    key_positives: list[str]

Модель GPT-4o видає цей JSON з точністю ~92% на російськомовних відгуках (за нашими тестами на 5000 прикладів). Для чутливих даних використовуємо LLaMA 3 70B, хостимо через vLLM — latency p99 під 800 ms.

Чому агрегація важливіша за поодинокий аналіз?

Один відгук — шум. Тисячі — сигнал. Ми будуємо пайплайн, який збирає результати по всіх відгуках за період та агрегує:

Тренди дають зрозуміти, що Wi-Fi погіршується — сигнал для заміни роутерів. А зростання тональності по сніданку говорить, що новий шеф-кухар працює добре.

Ми також будуємо теплові карти аспектів за часом: видно, як після зміни прибиральниці впав аспект «чистота». Автоматичні алерти: якщо тональність за аспектом «швидкість доставки» падає нижче порогу — сповіщення в Slack керівнику логістики.

Як ми гарантуємо точність аналізу?

Для високої точності використовуємо few-shot промпти з 10–15 прикладами на домен та chain-of-thought роздуми. Кожен результат проходить валідацію схеми. Для критичних галузей налаштовуємо калібрування впевненості — модель повертає score від -1 до 1, і ми відкидаємо прогнози з низькою впевненістю (<0.3). Це дає precision до 96% на ключових аспектах.

Порівняння підходів: Open source vs GPT-4o

Вибір залежить від ваших вимог щодо privacy та бюджету. Ми допомагаємо підібрати оптимальний варіант.

Що входить у нашу роботу

• Консультація та аудит поточного потоку відгуків: які канали (Google Maps, Yandex, відзовик, CRM), в якому форматі (CSV, API, JSON)
• Вибір стеку: OpenAI / opensource-модель, векторна БД (Qdrant або pgvector) для зберігання ембеддінгів
• Розробка промптів з few-shot та chain-of-thought для високої точності
• Інтеграція з вашим дашбордом (Metabase, PowerBI, Tableau) або наш типовий чорновик на Plotly
• Документація та навчання команди: як інтерпретувати аспектний радар і тренди
• Гарантія 3 місяці підтримки — фікс багів, доналаштування аспектів під новий сезон

Як почати?

Опишіть своє завдання — ми запропонуємо архітектуру під ваш бюджет і терміни. Оцінимо проєкт за 2 робочих дні. Результат: JSON-схема, прототип на 50 відгуках та roadmap до продакшену. Зв'яжіться з нами — ми покажемо, як ABSA вирішує ваші конкретні болі. Отримайте консультацію з архітектури ABSA для вашого бізнесу.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.