Ein Unternehmen sammelt eine große Menge unstrukturierter Text-Feedbacks von Benutzern und möchte die Stimmung in diesem Text ermitteln. Welcher Ansatz erfüllt diese Anforderung am besten?

Die Verwendung eines großen Sprachmodells (LLM) ist die beste Option, da LLMs speziell für die Verarbeitung und das Verständnis menschlicher Sprache entwickelt wurden. Sie können unstrukturierten Text analysieren, um Nuancen und Kontext zu erfassen, was für eine genaue Sentiment-Analyse unerlässlich ist. Ein Regressionsalgorithmus ist für die Klassifizierung von Text in vordefinierte Kategorien geeignet, aber nicht primär für die direkte Sentiment-Analyse ohne vorherige Feature-Extraktion oder Labeling. Ein Empfehlungssystem-Algorithmus dient dazu, Benutzern basierend auf ihren Präferenzen oder Verhaltensweisen Empfehlungen zu geben, nicht zur Sentiment-Analyse von Text. Ein Zeitreihenalgorithmus wird für die Analyse zeitlich geordneter Daten verwendet, um zukünftige Werte vorherzusagen, und ist für die Sentiment-Analyse von unstrukturiertem Textfeedback ungeeignet.