Niveau: intermédiaire
Fonction du poste: Analyste / Scientifique / Ingénieur
Laura Higgins, ingénieur JMP Global Technical Enablement, SAS
Le monde est plein de textes non structurés, et la plupart d'entre eux restent inexplorés. Pour compliquer davantage cela, extraire le sens et la valeur du texte nécessitait des outils spéciaux jusqu'à récemment. Text Explorer dans JMP Pro dispose de nombreuses options puissantes pour apporter un aperçu des données textuelles et utiliser la liste de termes organisée. Volons au-delà du nuage de mots et explorons les outils de modélisation de Text Explorer.
Je vais montrer différentes options pour ce qu'il faut faire une fois que la liste de termes est organisée. Lors de la transformation d'un texte organisé en facteurs de modèle, je montrerai différentes applications de l'analyse de classe latente (LCA) et de l'analyse sémantique latente (LCA). Je vais également discuter de la signification des scores des sujets, fournir des conseils pour choisir le nombre de sujets et montrer comment utiliser les sujets dans le cadre de la modélisation.
Une fois que vous avez organisé le texte, ne vous arrêtez pas au nuage de mots - essayez l'une de ces autres techniques pour découvrir le sens caché dans les données textuelles.
• Y a-t-il des thèmes sous-jacents dans les données? Trouvez quels documents (lignes) se regroupent.
• Quels sujets et thèmes conceptuels apparaissent dans les documents avec des termes trouvés ensemble?
• Créez des variables stables à partir de l'analyse de texte à utiliser dans la modélisation. Comprendre si les sujets contribuent de manière positive ou négative à une variable de résultat.
• Créer une sortie pour l'analyse du panier de marché / des associations.
