Yapay zeka teknolojilerinin işletme dünyasında yaygınlaşmasıyla birlikte, büyük dil modelleri (LLM'ler) duygu analizi gibi kritik görevlerde kullanılmaya başlandı. Ancak bu modellerin doğası gereği rastgele ve tahmin edilemez sonuçlar üretmesi, güvenilir analitik sonuçlar gerektiren iş uygulamaları için ciddi bir engel oluşturuyor.
Araştırmacılar bu sorunu çözmek için SSAS (Syntactic & Semantic Context Assessment Summarization) adlı yenilikçi bir çerçeve geliştirdi. Bu sistem, LLM'lerin tutarsız davranışlarını kontrol altına almak için sofistike bir veri ön işleme yaklaşımı benimsiyor.
SSAS çerçevesi, temalar, hikayeler ve kümeler şeklinde hiyerarşik bir sınıflandırma yapısı kullanıyor. Bu yaklaşım, 'Özetlerin Özeti' (Summary-of-Summaries - SoS) tabanlı yinelemeli bir bağlam hesaplama mimarisiyle destekleniyor. Bu sayede ham metinler, yüksek sinyalli ve duygu yoğunluklu verilere dönüştürülüyor.
Sistem, LLM'lerin dikkat mekanizmasını sınırlayarak, gürültülü ve kaotik modern veri setleriyle çalışırken daha tutarlı sonuçlar elde etmeyi amaçlıyor. Bu tutarlılık, işletmelerin stratejik kararlar alırken duygu analizi sonuçlarına güvenebilmesini sağlıyor.
Geliştirilen çerçeve, kurumsal düzeyde analitik uygulamalar için yapay zeka kullanımında önemli bir adım olarak değerlendiriliyor.