주제 점수 해석우리는 텍스트 탐색기 접근법을 연구하고 주제 점수의 해석을 전달하려고 노력하고 있습니다. 예를 들어 주제 내의 용어에 대한 양수 값과 비교 한 음수 값입니다. 몇 가지 예를 도울 수있는 사람에게 우리를 안내해 줄 수 있습니까? 도움말 메뉴는 음수 값이 양수 값에 비해 덜 자주 발생한다고 제안하지만 실제 데이터 세트를 살펴보면 재생되지 않는 것 같습니다.
따라서 각 한쪽 끝이 양수이고 한쪽 끝이 음수 인 선형 스케일 인 것 같습니다. 단어가 척도의 한쪽 끝에 가까울수록 긍정적이거나 부정적인 사용법을 나타냅니다. 모든 관점에 감사드립니다.
다시 : 주제 점수 해석안녕하세요 로라
죄송합니다.이 답변을 읽었지만 감사하다고 말한 적이 없습니다. 고마워요! 이것은 매우 도움이되었습니다.
-제프
다시 : 주제 점수 해석기술적으로는 그 반대도 적용되지만 실제로는 그 시나리오가 발생할 것으로 예상하지는 않습니다. 그 이유는 대부분의 큰 하중이 음수 일 때만 부호를 뒤집기 때문입니다. 텍스트 데이터의 경우 큰 양수를 갖는 것이 일반적이지 않습니다. 과 음의 하중. 이 경우에만 반대의 결과를 기대할 수 있습니다. 요컨대, 주제의 의미를 이해하기 위해 점수와 함께 주제로드를 검사하는 데 올바른 작업을 수행하고 있습니다. 각 항목에 레이블을 지정할 수 있기를 원합니다 (예 : "제품에 대한 만족도"). "점수가 높을수록 제품에 대한 만족도가 높음"또는 그 반대의 점수로 해석 할 수 있습니다.
베스트,
~ 라우라
다시 : 주제 점수 해석고마워, 이것은 나의 즉각적인 예를 돕는다 비슷한 질문은 그 반대도 예상해야 하는가? 예를 들어, Topic Score Plots의 강력한 부정적인 예는 텍스트가 강한 부정적인 것을 암시하는 긍정적 인 주제 점수를 초래합니까?
다시 : 주제 점수 해석안녕 re ,
지적 해 주셔서 감사합니다! 실제로, 단일 값 분해가 모든 음의 하중을 갖는 주제로 이어지는 경우가 있습니다. 주제의 해석을 용이하게하기 위해 하중의 표시가 뒤집혀서 항상 긍정적입니다. 이 경우 주제 점수도 뒤집어 야하지만 현재는 아닙니다. 우리는이를 알고 있으며 향후 릴리스에서이 문제를 해결할 계획입니다. 지금은 주제 점수를 가져 와서 -1을 곱하는 새 수식 열을 만들 수 있습니다. 어떤 주제 점수를 뒤집어 야하는지 알아내는 간단한 방법은 (1) 보고서에서 "주제 점수 도표"를보고, (2) 점수가 가장 높은 관측치를 선택하고 (3) "텍스트 표시"를 클릭하고 (4) 주제의 문서와 용어 사이의 일치 성을 확인하십시오.
"Pet Survey.jmp"데이터를 사용한 예는 다음과 같습니다.
Text Explorer를 시작하고 Latent Semantic Analysis 및 Topic Analysis를 모든 기본값으로 실행했습니다. 처음 두 주제에 대한 상위로드는 다음과 같습니다. 
그런 다음 점수 그림을보고 주제 1의 최고 점수에 대한 텍스트를 얻을 수 있습니다. 
긍정적 인 주제 로딩은 문서의 내용과 일치합니다. 그러므로, 더 높은 주제 1의 점수는 다음과 같은 문서를 가리 킵니다. 더 "집을 지키는 개"에 대해
반대로 Topic 2의 가장 극단적 인 값으로 텍스트를 살펴보면 보다 낮은 점수는 더 "겨울에 썰매 타기를 즐기는 허스키"에 대해 
점수를 언제 뒤집어 야하는지 확인하는 가장 쉬운 방법은 가장 극단적 인 값이 음수이지만 해당 주제에 대한로드가 양수인 경우입니다. 
이것이 분석을 진행할 수 있기를 바랍니다!
베스트,
~ 라우라
다시 : 주제 점수 해석주제 점수 해석에 가능한 문제 :
내 별 등급에 긍정적 인 영향을주는 것으로 보입니다. DTM과 표시기 열을 사용하여 주제 "Absolutley"와 "Love"의 두 가지 주요 용어를 살펴 보았습니다. 보시다시피, 단어 중 하나를 사용하면 내 별 등급이 올라가고 두 단어를 모두 사용하면 더 높아집니다. 매우 작은 N입니다.
이것에 대해 더 자세히 살펴보면 주제를 저장할 때 개수와 용어의 점수가 매겨지는 것과 음의 상관 관계가있는 것 같습니다. 이는 양의 하중에도 불구하고 발생합니다. 나는이 주제에 대해 그것을 찾을 수 있었지만 이것을 genreg (또는 다른 모델링 접근법)에로드한다면 효과가 올바른지 아닌지 전혀 알지 못합니다. 각 주제와 용어를 수동으로 검토하여 적절하게 처리되도록합니다.
아래에서 알 수 있듯이 절대와 사랑이라는 단어를 사용하면 더 많이 사용하거나 함께 사용하면 모델링 방식에 따라 부정적인 영향을 미칩니다.
다시 : 주제 점수 해석나는 확실히 그것을 시도 할 것입니다. 감사합니다.
다시 : 주제 점수 해석스캇,
결과 변수와 관련된 용어를 선별하는 것이 목표라면 DTM 열을 사용하여 GenReg를 실행하는 것이 좋습니다. 큰 회귀이므로 완료하는 데 시간이 걸립니다. 예를 들어, ouctome은 예 / 아니오 유형 응답이며 18,000 행의 데이터 세트에서 1,782 개의 이진 DTM 열을 사용하여 올가미를 실행했습니다. 완료하는 데 약 20 분이 걸렸습니다. 483 개의 활성 (0이 아닌) 용어를 찾았습니다. 통계적으로 유의 한 것만 유지하면 (p- 값 <0.05) 항의 개수는 203입니다.
보다 시각적 인 접근 방식은 Word Cloud에서 Coloring / By Column Value 옵션을 사용하는 것입니다. 결과 변수로 단어를 색칠하면 결과와 관련된 단어를 볼 수 있습니다. 색상이 혼합 된 것은 결과와 관련이 적거나 적습니다.
지안
다시 : 주제 점수 해석그건 그렇고, 나는 퍼센트 부호를 사용했고, 항목은 "Bleep"로 기록되었습니다 ... 아마도 또 다른 기회는 
(웃는 얼굴).
다시 : 주제 점수 해석주제를 계속 발전시키고 개선함에 따라, 나는 스톱 워드 추가에 대한 지침을 찾고 있습니다. 각 용어가 모든 주제와 관련이 있다는 것을 알고 있지만 주제와의 상관 관계가 강한 용어가 더 적도록 각 주제의 다양성을 줄이는 방법을 원합니다. 이를 통해 관심있는 특정 주제에 대해 적절한 조치를 취할 수 있습니다. 현재 데이터 세트에 결과 변수가 있습니다.
다음 접근 방식에 대해 의견을 제시 할 수 있습니다. 주제 작성 (단일 값 ** bleep ** 퍼센트 컷오프를 기준으로 주제 수), 문서 주제 벡터 저장, 주제와 함께 genreg 실행, 영향이 가장 적은 주제보기, 영향이 적은 각 주제의 리드 용어를 식별하고이를 중지 단어로 추가 한 다음 "실행 가능한"솔루션에 도달 할 때까지주기를 반복하십시오.
다시 : 주제 점수 해석제프
질문 해 주셔서 감사합니다. Laura의 훌륭한 설명을 추가하겠습니다. 예, 주제로드라는 용어는 용어와 해당하는 잠재 주제 간의 상관 관계를 나타냅니다. 그러나 문서 주제 벡터 (예 : 주제 점수)는 DTM이 너무 클 수 있다는 우려 때문에 JMP에 의해 스케일링되지 않으므로 문서 주제 벡터와 DTM 열 간의 상관이보고 된 용어 주제와 일치하지 않습니다. 로딩. 그러나 알다시피, 그들은 매우 가깝습니다.
지안
다시 : 주제 점수 해석안녕 @JeffSwartzel ,
훌륭한 질문입니다! LSA (Latent Semantic Analysis) 및 TA (Topic Analysis)는 희소 한 단일 값 분해 (SVD)를 사용하여 데이터 구조를 매우 효율적으로 특성화합니다. 즉, 수백 또는 수천 개의 열이있는 문서 용어 행렬 (DTM)이 있음에도 불구하고 희소 SVD 알고리즘을 사용하면 단수 값과 단수 벡터 (가장 중요한 것)의 일부만 얻을 수 있습니다.
희소 SVD를 계속 활용하기 위해 TA 점수는 회전 된 PCA와 TA에서 다르게 계산됩니다 (점수는 표준 PCA와 LSA간에 동일 함). 회전 된 PCA에서 점수는 DTM의 상관 행렬과 특이 값의 역수로 스케일됩니다 (DTM의 상관 행렬을 반전시키는 것은 큰 모음에서 다루기가 어려울 것입니다. 수천 개의 열이있는 행렬을 뒤집는 것을 상상해보십시오). TA 점수는이 스케일링을 생략합니다. TA 점수는 단순히 회전 된 낮은 차원 공간에 DTM을 투영 한 것입니다.
또한, TA 점수는 계산의 차이에도 불구하고 PCA 점수 (> .90)와 높은 상관 관계가 있음을 발견했습니다. 중요하게, 주제로드는 DTM 열과 해당 PCA 구성 요소의 정확한 상관 관계입니다. 따라서 우리는 TA 점수를 PCA 점수의 근사치로 생각할 수 있습니다.
HTH,
~ 라우라
추신 다음은 공식입니다.
pcaScores = DTM_s * 역 (DTM_cor) * evec * Diag (Sqrt (eval)) * rotMat
taScores = DTM_s * evec * rotMat
여기서 DTM_s는 표준화 된 DTM이고, DTM_cor는 DTM의 상관 행렬이고, evec는 DTM의 고유 벡터 (또는 오른쪽 특이 값)이고, eval은 DTM의 고유 값 (또는 제곱 특이 값)이며 rotMat은 회전 행렬입니다. .
다시 : 주제 점수 해석감사!다시 : 주제 점수 해석그리고 이것을 읽는 다른 사람에게는 온 디맨드 버전이 있습니다. jia 의 웹 캐스트 :
마케팅 분석 및 소비자 조사 .
다시 : 주제 점수 해석안녕 @JeffSwartzel , 그건 jia 오늘의 Mastering JMP 웹 캐스트에서
여기에 태그를 지정하면 질문에 대한 알림을 받고 적절하게 차임 할 수 있습니다.
감사!
다시 : 주제 점수 해석크리스 안녕하세요
방금 "향상된 마케팅 분석 및 소비자 조사에 JMP Pro 사용 (고급)"이라는 JMP 웨비나를 보았습니다.
나는 화자의 이름을 놓친 것이 당황 스럽지만, 주제로드에 대해 매우 직관적으로 해석한다고 생각했습니다. 그를 올바르게 이해하면 주제의 특정 단어에 대한 주제로드가 문서 용어 행렬의 해당 단어 벡터와 해당 문서 주제 벡터 간의 상관 관계로 해석 될 수 있습니다. 가짜 예를 만들기 위해 "주제 1"이 있고 해당 주제의 첫 번째 용어가 "오렌지"라고 가정하겠습니다. "오렌지"의 하중은 0.85361로 표시됩니다. 문서 용어 행렬에서 "주제 1"과 "주황색"의 벡터 사이의 상관 관계를 계산 한 경우 0.85361이어야합니다.
나는 이것이 훌륭한 설명이라고 생각하고 그것을 스스로 재현하려고 노력했지만 문제가 있습니다. 상관 관계는 비슷하지만 정확하지는 않습니다. 이것이 왜 그런지에 대한 아이디어가 있습니까? 도움이된다면 "Aircraft Incidents.jmp"파일의 예를 제공 할 수 있습니다.
도움을 주셔서 감사합니다!
감사,
제프 스와 첼
다시 : 주제 점수 해석감사합니다. 설명서와 관련하여 후속 질문이 있습니다. 현재, 그것은 주제 분석 내에서 음의 값은 반발력을 나타내며 양의 값에 비해 더 적은 빈도로 발생할 것이라고 말합니다.
file : /// C : /Program%20Files/SAS/JMPEA/14/Help/index.html#page/jmp%2FBA_Text_Explorer_19.html%23ww428969
다시 : 주제 점수 해석감사합니다. 매우 도움이됩니다.
스캇
다시 : 주제 점수 해석Hi Scott-텍스트 탐색기 (TE)에서 SVD 기반 결과를 이해하는 가장 좋은 방법은 (1) SVD 결과가 문서 용어 매트릭스 (DTM)의 PCA와 동일하며 (2) 주제 분석은 SVD 결과의 VARIMAX 회전은 주제 분석이 수학적으로 DTM의 요인 분석과 동일 함을 의미합니다.
즉, 요인 분석시 텍스트에서 수집 할 수있는 모든 해석 도구 및 경험 법이 주제 분석에 적용됩니다. 여기에는
(1) 점수의 부호는 의미가 없습니다. JMP 수치 도구를 사용하면 각 치수에 대한 최대 하중 (회전되지 않은 하중)이 양수입니다. 이 규칙은 결과를 재현 가능하고 독창적으로 만들기 위해 채택되었습니다 (그렇지 않으면 5 차원을 요구 한 다음 10 차원을 요구하면 -1만큼 다른 결과를 초래할 수 있음). 하중에 대한 컨벤션은 점수를 통해 전달되고 적용되어야합니다.
(2) 중심 및 스케일 SVD를 기반으로 한 주제 분석에는 기존 요인 분석에서와 같이 요인 수의 상한에 대해 동일한 규칙이 있습니다. 예를 들어 1.0보다 큰 10 개의 특이 값 만있는 경우 10 개 이상의 주제를 요청하지 않습니다.
JMP R & D의 다변량 분석 상주 전문가 인 Laura Castro-Schilo는 텍스트 탐색기와 고전적인 다변량 통계 방법 간의 대응을 이해하고 활용하는 방법에 대한 두 가지 훌륭한 블로그를 작성했습니다.
JMPer 케이블 : 텍스트 탐색기의 새로운 모습
JMPer 케이블 : 사회 과학의 텍스트 분석 : 새로운 가능성
re 쓴 :
우리는 텍스트 탐색기 접근법을 연구하고 주제 점수의 해석을 전달하려고 노력하고 있습니다. 예를 들어 주제 내의 용어에 대한 양수 값과 비교 한 음수 값입니다. 몇 가지 예를 도울 수있는 사람에게 우리를 안내해 줄 수 있습니까? 도움말 메뉴는 음수 값이 양수 값에 비해 덜 자주 발생한다고 제안하지만 실제 데이터 세트를 살펴보면 재생되지 않는 것 같습니다.
따라서 각 한쪽 끝이 양수이고 한쪽 끝이 음수 인 선형 스케일 인 것 같습니다. 단어가 척도의 한쪽 끝에 가까울수록 긍정적이거나 부정적인 사용법을 나타냅니다. 모든 관점에 감사드립니다.
