我们的全行业研究表明自然语言处理(NLP)是比较常见的人工智能方法之一银行业今天AI用例。情感分析是自然语言处理的一种能力，它涉及到确定一段开放式的自然语言文本(可以从音频中转录)对所讨论的主题是积极的、消极的还是中性的。
基于AI-情感分析系统使用自然语言处理和机器学习量化通过寻找句子中的主题、主题和类别来量化(正数、负数或零)情感大型银行可以使用基于人工智能的情绪分析软件来评估客户对其品牌或产品的看法改善客户体验。
我们最近推出了AI在银行供应商景观和能力地图报告，其中我们分类超过77种不同的人工智能产品提供在银行空间。我们与人工智能领域的行业专家和博士合作，根据人工智能或人工智能产品背后的机器学习技术类型，对人工智能供应商的产品进行分类。
在我们的报告中，我们将人工智能方法定义为人工智能或人工智能产品背后的机器学习的技术类型。换句话说，产品的人工智能方法是对使其价值主张成为可能的人工智能算法的描述。人工智能方法包括自然语言处理，计算机视觉异常检测,预测分析和规范分析。
在我们的研究过程中，我们发现了几个声称使用NLP的用例。从我们的人工智能专家德国(我们应该在这里提到他吗?)的输入，我们进一步把NLP分为五个子方法，即:
- NLP(信息检索)
- NLP（意向解析）
- NLP(情绪分析)
- NLP(语音识别)
- NLP(分类)
我们对情感分析的定义如下:以文本形式确定人类语言背后的语气和推断意见(肯定或否定)。
我们的研究表明，情感分析产品在人工智能产品提供商的人工智能方法总数中约占6%。我们将在本文的下一节中讨论这一发现。
情绪分析项目对银行的挑战
尽管基于人工智能的情绪分析工具目前正在银行业出现，但似乎大多数此类努力都需要圈内人的参与才能真正发挥作用。根据美国银行家，花旗集团社交媒体高级副总裁，弗兰克Eliason，他说:
为了获得最大的社会听音工具，我个人认为最好的情感分析需要在每一个岗位的人审查。通常情况下，数字是微不足道的，因为该工具不能准确地确定作者的情感。通常情况下，您会看到与消息未知或中性的情绪其余勉强负勉强阳性读数。
但当你深入研究这个问题时，你会发现，当你使用人类的智慧时，数字会发生戏剧性的变化。一家公司曾提供银行业的情绪分析，某些银行显然是赢家。在我深入研究的过程中，这个工具甚至包含了与银行无关的主题，这在很大程度上扭曲了结果。
为了了解这项技术的早期阶段，我们根据所谓的Emerj供应商评分，将所有AI供应商提供的用于情绪分析的产品分类，这些产品来自销售到银行的AI供应商。以下是情绪分析供应商产品和供应商提供的评分和一些汇总数据:
我们发现，只有6家人工智能供应商既向银行销售产品，也提供用于情绪分析的产品，这表明该技术在该行业还处于萌芽阶段。此外,年代实体分析应用程序的ROI和采用分数的证据都非常低，这表明实际购买情绪分析产品的银行和金融机构是多么少，如果是的话，表明这些产品产生ROI的证据又是多么少。这些是人工智能方法中得分最低的一些。此外，在银行AI领域，提供情绪分析产品的供应商只占风险投资总额的不到1%。
希望实施情绪分析项目的银行和金融机构需要了解，即使对供应商来说，这也是新的，因此，情绪分析应用程序可能不太适合首次进行人工智能项目。我们认为，这些项目可能需要一定程度的数据能力，而银行在认真启动这些项目之前需要具备这些能力。
我们根据用户需要的数据类型对不同的情感分析用例进行了分类:
- 理解客户的态度
- 股票投资
- 监控信贷市场
- 合规监测
在本文中，我们将更深入地研究银行业中用于情绪分析的各种用例，并详细介绍涉及银行和AI供应商产品的实际项目。
在下一节中，我们列出了目前在银行业中用于情绪分析的一些更常见的用例，首先是了解客户的态度。
理解客户的态度
在我们的研究过程中，与我们交谈过的一些行业专家经常提到准确理解客户情绪的重要性。这是有道理的，因为这个应用程序的人工智能破坏的时机已经成熟，因为涉及到大量的客户数据，这将花费人类员工太长时间来精确监控。
银行可以使用情绪分析人工智能软件，阅读客户反馈表格、调查问卷或客户在社交媒体上发布的有关银行的信息。该软件可以获取大量此类数据，并执行一系列任务，如识别总体情绪是积极、消极还是中性，或挑选出客户的意图已被确定为积极的帖子。
通过了解社交媒体用户如何评论银行和金融机构，银行可以了解如何提高客户获取和客户体验。例如，如果竞争对手的促销活动获得了强烈的正面情绪，银行可能会考虑以类似的方式打造自己的促销活动。
例如，意大利的银行声称参与了一个人工智能项目从twitter feed中了解客户情绪。为了更好地了解客户对这些银行的反应，该银行输入了一个人工智能算法，其中包括5家欧洲银行、BMPS、UCG、ISP、UBI和德意志银行(Deutsche bank)的推文。然后，这些反应被用来预测客户的偏好和银行的财务变量。
AI供应商的产品，如Expert System的Cogito平台，提供了基于nlp的情绪分析功能。Cogito可以让银行有能力从客户调查数据中获得关于客户的见解，比如最重要的客户问题。此外，银行还可以将所有类型的社交数据与其他数据流合并，以识别客户偏好和趋势。
股票投资
虽然情绪分析的概念过去曾被用于金融交易，但自然语言处理和机器学习现在正开始自动化一些与交易和投资相关的任务。
在处理金融交易的研究时，这类人工智能软件会输入来自新闻媒体、社交媒体、新闻稿和其他来源的研究数据。
例如，情绪分析可以用来加强涉及银行股权投资部门的研究过程。研究人员可以使用该软件调查更多的公司，因为该算法可以从多个数据源为每家公司编译和优先排序最相关的股权信息。
在现实世界中的用例，摩根大通声称在一个项目中使用了NLP增强其投资组合经理和研究分析师在股票投资方面的研究能力。
在一个试点项目中，该行与APG资产管理公司(APG Asset Management)的一个团队合作，从欧洲央行(ecb)的报表中提取数据，以了解情绪分析的可行性。该银行声称，它从近25万份分析师报告和央行报表中开发出一种人工智能算法，以理解金融术语和行话。
该银行随后声称，通过向其提供专注于追踪股票市场的新闻文章，对该软件进行了测试。然后，该软件从数据中得出股票投资的洞见，比如识别出推出了新颠覆性产品的非主流公司。摩根大通(JP Morgan)声称，他们基于该算法进行的股权投资，表现优于纳斯达克50指数(nasdaq qq50)等指数。
监控信贷市场
银行还可以利用情绪分析来监控来自新闻媒体的信贷情绪。有关信贷市场的新闻稿和其他文章包含了许多有关公司提供的信贷证券业绩的信息。利用基于nlp的情绪分析，银行可能会分析与信贷市场相关的新闻媒体，比如那些提及具体债券或企业发行的商业票据的媒体。
在一个真实的商业用例中，花旗集团声称已经发布了CitiVelocity，这是一个使用来自汤森路透的机器可读新闻媒体数据的工具。该银行称，他们利用这一工具对美国和欧洲的信用违约掉期指数(cds)公司进行了研究。
该工具可以为用户提供一份被谈论得最积极或最消极的公司名单。人工智能分析引擎可以输入这些数据，以识别新闻事件与信贷市场证券表现之间的相关性。用人工智能软件产生这些见解，最终有助于减少财务研究过程中的时间和成本。
合规监测
与金融交易数据一样，银行的合规部门历来收集和存储合规规定的记录，需要不断更新流程以遵守这些规定。不这样做可能会导致罚款或失去银行执照。因此，大多数大型银行在这个领域都有现有的预算、IT团队和自动化工作。
自动化软件，银行用来冲刷更新或更改监管网站大多以规则为基础。基于AI-情感分析软件可以帮助银行通过大量的信息冲刷，并通过它的优先行动方面的相关性如何也还是怎么高排名的每个更新进行分类管理这些监管过程。
AI厂商如Compliance.ai提供AI软件，可以帮助管理法规的变化和法规遵从风险。该公司声称，他们使用一个人在半实物AI训练系统，让一个算法，以了解哪些更新是通过使用来自合规专家们的意见在银行最相关的。但是，像许多其他公司基于AI-银行提供情感分析的产品，这样的用例缺乏稳健的投资回报率的证据。
标题图片来源:富国银行
