안녕하세요. ,이 두 예의 점수는 다릅니다. "not"과 같은 부정은 감정 문구의 중간에 허용되지 않으므로 "not really good"은 강화 된 다음 부정되고 "really not good"은 부정되지만 강화되지는 않습니다. 이것은 자연어에서 종종 복잡한 구문과 문장 구조를 처리하기 위해 시스템에 내장 된 많은 규칙 중 하나를 반영합니다. 좋은 점 : "정말 좋지 않음"과 같은 문구를 발견하고 알고리즘이 할당 한 것 이외의 특정 점수를 갖기를 원하면 강조 표시하고 자신의 점수를 할당하여 알고리즘을 재정의 할 수 있습니다 ( "too 위의 예). 사용자는 궁극적으로 최종 발언권을 얻습니다.
새 영화를 스트리밍할 생각이라고 가정해 보겠습니다. 시놉시스를 읽습니다. “미래의 지배자는 가장 친한 친구인 Bill과 Ted에게 우리가 알고 있는 생명을 구하기 위해 새 노래를 작곡해야 한다고 말합니다. 그러나 그들은 그것을 쓰는 대신 시간을 여행하여 옛 자아로부터 그것을 훔치기로 결정합니다.” 그 소리가 들리는 동안 가장 훌륭한 , 당신은 또한 일부 시청자 댓글을 읽습니다. "많은 재미." “우리가 인간으로서 존재하는 곳을 위한 완벽한 영화.” “약한 플롯에 매우 실망했습니다.” "제발, 더 이상." 기타 등등. 긍정적인 의견과 부정적인 의견을 비교하고 시청하기로 결정합니다. Bill과 Ted가 음악을 마주하다 . (이 시점에서 Netflix에 실제로 얼마나 많은 시청하지 않은 콘텐츠가 남아 있습니까?)
우리는 사람들의 의견, 태도 또는 감정(일반적으로 감정 – 종종 비교적 적은 수의 단어로. 다음과 같은 단어나 구문 하나만으로 재미있는 , 완벽한 영화 또는 예외적으로 가난한 감정을 아주 효과적으로 전달할 수 있고 사람들의 감정을 아는 것은 매우 중요할 수 있습니다. 고객이 우리의 신제품을 좋아합니까? Twitterverse는 최신 뉴스에 대해 어떻게 생각합니까? 새 법률의 어떤 조항이 가장 인기가 높거나 가장 낮습니까? 감정은 답의 핵심이며 언어는 우리가 그것을 측정하는 데 도움이 됩니다.
단순히 텍스트를 읽는 것이 감정을 측정하는 가장 좋은 방법입니다. 그러나 읽을 텍스트가 수백, 수천 또는 수백만 개라면 어떻게 될까요? 그러기 위해서는 컴퓨터가 필요합니다. 컴퓨터는 인간처럼 언어를 이해할 수 없지만 우리가 감정을 전달하는 단어나 구를 검색하고 이러한 감정 단어를 기반으로 텍스트의 점수를 매긴 다음 유용한 방식으로 점수를 다시 제공할 수 있습니다. 이것은 우리가 달리 얻을 수 없었던 감정에 대한 대규모 그림을 제공할 수 있습니다.
이것이 본질이다. 감정 분석 , JMP Pro 16의 텍스트 분석 기술. 어떻게 작동하는지 봅시다.
당신은 커피 포드를 좋아합니까?
아마도 좀 더 일상적인 예를 들어 최신 Bill과 Ted 영화에 대한 심층 분석을 아끼겠습니다. 커피 포드, 가끔 휴게실, 유럽식 아침 식사 또는 일부 사람들의 식당에서 볼 수 있는 1인용 커피 머신에 사용되는 작은 캡슐입니다. 부엌. 소비자들은 커피 포드에 대해 어떻게 생각합니까?
발견된 Amazon 리뷰의 더 큰 데이터 세트에서 가져온 9,133개의 Amazon 커피 포드 리뷰를 분석합니다. 여기 . 논란을 피하기 위해 우리는 여러 브랜드의 팟(Pod)에 대한 리뷰를 종합적으로 분석하고 특정 제품을 선택하지 않을 것입니다. 하지만 실제로는 도메인 모든 커피 포드를 살펴보는 것보다 더 많은 정보를 제공할 수 있는 우리 자신의 제품 또는 경쟁업체 중 하나에 대한 리뷰를 분석할 수 있습니다. 또한 커피 머신이나 액세서리와 같은 관련 상품에 대한 리뷰나 포장이나 배송 서비스와 같은 2차적인 문제에 초점을 맞춘 리뷰는 한 도메인에서 긍정적인 감정을 표현하는 것이므로 제외합니다( 배달은 값이 싼 ) 다른 ( 맛본 커피 값이 싼 ).
이제 시작하기 전에 일부 독자가 "별점 리뷰를 보는 것이 어떻습니까?"라고 묻는 소리를 듣습니다. 물론 우리는 스타 리뷰를 볼 수 있고 실제로 볼 것이지만 (a) 텍스트가 훨씬 더 풍부한 정보 소스이고 (b) 많은 상황(예: 공개 포럼의 게시물)에서 텍스트는 뿐 이용 가능한 정보. 우리는 감정 분석에 계속 초점을 맞추기 위해 별 리뷰를 무시할 것입니다.
감정 분석이 온다 JMP 프로 'NS 텍스트 탐색기 플랫폼이며 실행하기가 매우 쉽습니다. 감정 분석 옵션을 선택하기만 하면 JMP가 자동으로 감정 단어를 찾고, 각 리뷰에 점수를 매기고, 분석을 미세 조정하고 결과를 탐색할 수 있도록 다양한 출력을 생성합니다.
감정 분석 시작
분석 미세 조정
감정 점수가 계산되는 방식과 중요하게 분석을 미세 조정하는 이유와 방법을 확인하기 위해 몇 가지 개별 리뷰부터 시작하여 해당 출력을 자세히 살펴보겠습니다.
리뷰 #4297은 다음과 같이 비교적 긍정적입니다. 훌륭한 , 편리한 그리고 만족하는 총점 +60(-100에서 100까지의 척도에서 0은 중립적인 감정). JMP Pro는 이 점수를 어떻게 계산했습니까? 감정 단어 및 관련 점수(감정 사전 ) 세 가지 감정 단어의 점수를 함께 평균화했습니다. 꽤 직설적 인. (원하는 경우 최소-최대 점수 옵션은 주석에서 가장 긍정적인 단어와 가장 부정적인 단어 간의 차이로 전체 점수를 계산합니다.)
리뷰 #4297은 비교적 긍정적입니다.
텍스트를 구문 분석하는 알고리즘은 부정자를 자동으로 처리합니다(예: 아니요 ) 및 강화제(예: 매우 ). 리뷰 #6034가 좋은 예입니다. 단어 좋은 기본적으로 +60의 베이스라인 점수를 얻고 그 점수는 강화자가 앞에 올 때 +84로 증가합니다. 정말로 그러나 다음과 같이 부정되면 -60이 됩니다. ~ 아니다 .
JMP Pro는 부정 또는 강화가 있는 경우 감정 단어의 점수를 조정합니다.
JMP Pro에 내장된 감정 사전은 완전히 사용자 정의할 수 있으며 도메인에 맞게 조정하는 것이 현명합니다. 아래 리뷰 #910을 보십시오. 멋진 그리고 좋은 뻔한 감정 말이지만 어쩌지 너무 강하다 , 커피 포드의 영역에서 분명히 부정적인 것은 무엇입니까? 많은 단어의 감정이 영역에 따라 다르다는 것을 인식합니다(예: 바위처럼 단단한 자동차에는 긍정적이지만 매트리스에는 부정적일 수 있음) JMP Pro의 내장 사전은 비교적 적은 가정을 하므로 사전에 추가, 빼기 및 수정하여 도메인에 맞게 분석할 수 있습니다.
"너무 강함"과 같은 도메인별 감정 단어 또는 구문을 포함하도록 분석을 조정할 수 있습니다.
사전을 사용자 정의하는 것은 간단합니다. 추가하려면 너무 강하다 부정적인 문구로, 우리는 단순히 문구를 강조 표시하고 점수를 지정하기 위해 버튼을 클릭합니다(여기서는 -30). 전체 분석은 자동으로 업데이트되어 다음의 모든 인스턴스를 찾습니다. 너무 강하다 그리고 그에 따라 점수를 매긴다. 이로 인해 리뷰 #910의 점수가 +43에서 +18로 낮아져 개선된 것 같습니다.
새로운 감정 문구를 추가하는 것은 꽤 고통스럽습니다.
사전에 추가할 수 있는 잠재적 감정 단어 목록을 포함하여 분석을 사용자 정의하기 위한 다양한 추가 도구가 있습니다(여기에서는 다음과 같은 단어에 자동으로 플래그를 지정합니다. 강한 , 약한 , 격렬한 , 값 비싼 ), 단어 점수를 원하는 대로 수정하는 기능, 부정어 및 강화사 사용자 정의 등. 감정 분석은 언제나 적용되는 특정 컨텍스트에 맞게 조정되므로 감정 분석용 JMP Pro 16을 사용하게 된다면 이러한 도구에 익숙해지는 것이 좋습니다.
결과 탐색
분석을 조정하면 이 데이터에서 무엇을 찾을 수 있습니까? 첫째, 요약은 감정이 상대적으로 긍정적으로 치우쳐 평균 점수가 +39.5임을 보여줍니다. 6,856개의 긍정적인 평가가 있으며 평균 점수는 +56.9입니다. -38.7의 평균 점수와 함께 1,277개의 순 음수. 사람들이 자신의 커피 포드에 대해 상대적으로 긍정적인 것으로 보이며 평균적인 긍정적인 리뷰가 평균적인 부정적인 리뷰가 부정적인 것보다 더 긍정적인 것 같습니다. 이러한 점수를 더 자세히 살펴보기 위한 여러 도구를 살펴보겠지만 모든 리뷰의 감정 점수는 데이터 테이블에 다시 저장되어 다른 도구에서 시각화 및 분석에 사용할 수 있습니다.
요약 표는 긍정적이고 부정적인 감정에 대한 집계 보기를 제공합니다.
수반되는 히스토그램은 감정 점수 분포를 시각화합니다.
결과를 더 자세히 들여다볼 수 있는 몇 가지 다른 방법이 있습니다. 첫째, 어떤 감정 용어가 가장 자주 등장합니까? 목록을 살펴보면 가장 자주 사용되는 단어가 일반적으로 긍정적인 단어임을 알 수 있습니다. 엄청난 , 굵게 그리고 강한 높은 순위. 아래로 스크롤하면 가장 자주 사용되는 부정적인 단어는 다음과 같습니다. 약한 그리고 격렬한 . 이 중 하나를 클릭하면 컨텍스트에서 사용법을 확인하여 사람들의 불만 사항을 더 깊이 이해할 수 있습니다.
자주 사용되는 감정 단어로 댓글을 탐색하면 매우 유익한 정보를 얻을 수 있습니다.
가장 자주 사용되는 감정 단어로 탐색한 후 특정 단어에 관심이 있을 수 있습니다. 특징 포드의 집합입니다. 즉, 커피 꼬투리를 전체적으로 보는 대신 풍미와 같은 특정한 것에 초점을 맞추자. Feature Finder를 보면, JMP 프로 감정 용어와 함께 자주 발생하는 단어 목록을 제공하므로 해당 단어와 관련된 감정을 탐색할 수 있습니다. 여기에서 우리는 맛 목록에서 사람들이 그것에 대해 말하는 것을 볼 수 있습니다. 선택한 기능 점수 매기기를 클릭하여 JMP Pro에 특정 맛에만 해당하는 모든 의견을 다시 채점하도록 요청할 수도 있습니다. 이것은 가장 관심 있는 하위 도메인으로 드릴다운하는 좋은 방법입니다.
기능 찾기는 커피 맛과 같은 특정 기능과 관련된 감정을 드릴다운합니다.
JMP Pro 16의 감정 분석
JMP Pro 16에서 제공되는 감정 분석을 사용하면 서면 댓글을 기반으로 사람들이 어떤 것에 대해 얼마나 긍정적 또는 부정적으로 느끼는지 측정할 수 있습니다. 분석은 항상 특정 컨텍스트에 맞게 조정되어야 하므로 이 도구에는 데이터를 탐색할 때 감정 사전 및 점수 시스템을 쉽게 사용자 지정할 수 있는 다양한 기능이 포함되어 있습니다.
분석이 완전히 맞춤화되면 대화형 도구를 사용하여 다양한 방법으로 결과를 드릴다운하여 특정 질문에 답할 수 있습니다. 우리의 경우 사람들은 아마존에서 구입한 커피 포드에 대해 대부분 긍정적인 반응을 보이는 것으로 보이며 특히 커피를 좋아합니다. 굵게 그리고 강한 보다는 약한 또는 격렬한 .
사람들의 감정, 의견 또는 태도를 밝히고 싶으십니까? 의견을 수집하고 감정 분석을 느슨하게 설정하고 어떤 답변을 찾았는지 확인하십시오.
