假设您正在考虑流式传输一部新电影。 你读到了剧情简介：“未来的统治者告诉最好的朋友比尔和泰德，他们必须创作一首新歌来拯救我们所知的生命。 但他们没有写下它，而是决定穿越时空，从年长的自己那里偷走它。”虽然这听起来确实最优秀的，你也看了一些观众的评论。 “很有意思。” “对于我们这个民族来说，这是一部完美的电影。” “对薄弱的情节感到非常失望。” “拜托，不要再这样了。”等等。 您权衡正面评论和负面评论并决定观看比尔和泰德面对现实。 （此时 Netflix 上还剩下多少未观看的内容？）
我们在这种情况下阅读观众的评论，因为它们告诉我们人们的观点、态度或感受——通常称为情绪– 通常用相对较少的词语。 只需一个单词或短语，例如乐趣,完美的电影或者异常贫困可以非常有效地传达情绪，了解人们的情绪非常重要。 顾客喜欢我们的新产品吗？ Twitterverse 对最新消息有何看法？ 新法律的哪些条款最受欢迎或最不受欢迎？ 情感是答案的核心，语言可以帮助我们衡量它。
简单地阅读文本是衡量情绪的最佳方法。 但是，当有数百、数千甚至数百万文本需要阅读时会发生什么？ 为此我们需要计算机。 计算机无法像人类一样理解语言，但它们可以搜索我们认为传达情感的单词或短语，根据这些情感单词对文本进行评分，然后以有用的方式将分数呈现给我们。 这可以为我们提供一幅大范围的情绪图景，而这是我们无法通过其他方式获得的。
这就是本质情感分析，JMP Pro 16 中的一种文本分析技术。 让我们看看它是如何工作的。
你喜欢咖啡包吗？
我们不会深入探讨最新的《比尔和泰德》电影，而是以一个可能更日常的例子为例：咖啡包，即单份咖啡机中使用的小胶囊，有时出现在休息室、欧陆式早餐或某些人的家里。厨房。 消费者对咖啡包有何看法？
我们将分析亚马逊上的 9,133 条咖啡包评论，这些评论取自发现的更大的亚马逊评论数据集这里。 为了避免争议，我们将集中分析许多不同品牌的烟弹的评论，并且不会单独列出任何特定产品。 但在实践中，我们希望限制领域严格分析我们的分析，也许只分析我们自己的一种产品或我们竞争对手的一种产品的评论，这比查看所有咖啡包提供的信息更丰富。 我们还确保排除对咖啡机或配件等相关事物的评论，或针对包装或送货服务等次要问题的评论，因为在一个领域表达积极情绪的内容（交货是便宜的) 可能不会在另一个 (咖啡尝起来便宜的）。
在我们继续之前，我听到一些读者问，“为什么不只看明星评论呢？”当然，我们可以并且在实践中会查看星级评论，但是（a）文本是更丰富的信息来源，并且（b）在许多情况下（例如，公共论坛中的帖子）文本是仅有的可用的信息。 我们暂时忽略星级评论，将重点放在情感分析上。
情感分析即将到来JMP专业版的文本浏览器平台，而且非常容易执行。 只需选择“情感分析”选项，JMP 就会自动查找情感词，对每个评论进行评分，并生成各种输出，供我们微调分析并探索结果。
Launching Sentiment AnalysisLaunching Sentiment AnalysisLaunching Sentiment AnalysisLaunching Sentiment Analysis启动情绪分析
微调分析
让我们仔细看看该输出，从一些单独的评论开始，看看情绪分数是如何计算的，更重要的是，我们为什么以及如何微调我们的分析。
评论 #4297 相对积极，说的是出色的,方便的和使满意总体得分为 +60（在 -100 到 100 范围内，其中零表示中性情绪）。 JMP Pro 是如何计算这个分数的？ 它查阅了内置的情绪词列表和相关分数（情绪字典）并将三个情感词的分数一起平均。 非常简单。 （如果愿意，最小-最大评分选项将总分计算为评论中最积极和最消极的单词之间的差异。）
Review #4297 is relatively positiveReview #4297 is relatively positiveReview #4297 is relatively positiveReview #4297 is relatively positive评论 #4297 相对积极
解析文本的算法自动处理否定符（例如，不）和增强器（例如，非常）。 评论 #6034 就是一个很好的例子。 这个单词好的默认情况下获得 +60 的基线分数，当前面有增强器时，该分数会增加到 +84真的但当被否定时变为-60不是。
JMP Pro adjusts sentiment words' scores in the presence of negators or intensifiersJMP Pro adjusts sentiment words' scores in the presence of negators or intensifiersJMP Pro adjusts sentiment words' scores in the presence of negators or intensifiersJMP Pro adjusts sentiment words' scores in the presence of negators or intensifiersJMP Pro 在存在否定词或强化词的情况下调整情感词的分数
JMP Pro 的内置情感词典是完全可定制的，明智的做法是根据您的领域进行定制。 请参阅下面的评论 #910。 好的和好的都是明显的情感词，但是呢太强，这在咖啡包领域显然是负面的？ 认识到许多单词的情感是特定于领域的（例如，坚如磐石可能对汽车有利，但对床垫不利），JMP Pro 的内置字典做出的假设相对较少，让您可以添加、减去和修改字典，以根据您的领域定制分析。
You can tailor the analysis to include domain-specific sentiment words or phrases like "too strong"You can tailor the analysis to include domain-specific sentiment words or phrases like "too strong"You can tailor the analysis to include domain-specific sentiment words or phrases like "too strong"You can tailor the analysis to include domain-specific sentiment words or phrases like "too strong"您可以定制分析以包含特定领域的情感词或短语，例如“太强”
自定义词典很简单。 加上太强作为否定短语，我们只需突出显示该短语并单击按钮为其分配分数，此处为 -30。 完整的分析会自动更新，找到每个实例太强并相应地评分。 这使得评论 #910 的得分从 +43 下降到 +18，这似乎是一个进步。
Adding a new sentiment phrase is pretty painlessAdding a new sentiment phrase is pretty painlessAdding a new sentiment phrase is pretty painlessAdding a new sentiment phrase is pretty painless添加新的情感短语非常轻松
有多种其他工具可用于自定义分析，包括您可能想要添加到词典中的潜在情感词列表（此处，它会自动标记诸如强的,虚弱的,苦的,昂贵的）、按照您喜欢的方式修改单词分数的能力、定制否定词和增强词等等。 情绪分析应该总是根据其应用的特定环境进行定制，因此，如果您最终使用 JMP Pro 16 进行情绪分析，您将需要熟悉这些工具。
探索结果
完成分析后，我们可以从这些数据中找到什么？ 首先，总结显示情绪偏向相对积极，平均得分为+39.5。 有 6,856 条净好评，平均分 +56.9； 1,277 名净负数，平均得分为 -38.7。 看起来人们对他们的咖啡包相对积极，平均正面评论比平均负面评论更正面。 虽然我们即将看到许多用于更详细地研究这些分数的工具，但值得注意的是，所有评论的情绪分数都可以保存回数据表，使它们可用于其他工具中的可视化和分析。
A summary table provides an aggregated view of positive and negative sentimentA summary table provides an aggregated view of positive and negative sentimentA summary table provides an aggregated view of positive and negative sentimentA summary table provides an aggregated view of positive and negative sentiment汇总表提供了积极和消极情绪的汇总视图
The accompaying histogram visualizes the distribution of sentiment scoresThe accompaying histogram visualizes the distribution of sentiment scoresThe accompaying histogram visualizes the distribution of sentiment scoresThe accompaying histogram visualizes the distribution of sentiment scores随附的直方图可视化情绪分数的分布
我们可能想通过一些不同的方式进一步深入研究结果。 首先，哪些情感术语出现最频繁？ 往下看列表，我们发现最常见的单词通常都是积极的，比如伟大的,大胆的和强的排名很高。 如果我们向下滚动，我们会发现最常见的负面词是虚弱的和苦的。 如果我们点击其中之一，我们可以看到它在上下文中的用法，以更深入地了解人们的抱怨。
Exploring comments by frequent sentiment words can be highly informativeExploring comments by frequent sentiment words can be highly informativeExploring comments by frequent sentiment words can be highly informativeExploring comments by frequent sentiment words can be highly informative通过频繁的情感词探索评论可以提供大量信息
在探索了最常见的情感词之后，我们可能会对特定的感兴趣特征咖啡包。 也就是说，我们不要从整体上看待咖啡包，而是将注意力集中在口味等特定的东西上。 如果我们查看特征查找器， JMP专业版提供了经常与情感术语同时出现的单词列表，因此我们可以探索与这些单词相关的情感。 在这里，我们选择味道从列表中查看人们对此的评价。 我们甚至可以单击对所选功能进行评分，要求 JMP Pro 仅对特定于风味的每条评论重新评分。 这是深入了解您最感兴趣的子域的好方法。
The Feature Finder drills down into sentiments related to specific features like coffee flavorThe Feature Finder drills down into sentiments related to specific features like coffee flavorThe Feature Finder drills down into sentiments related to specific features like coffee flavorThe Feature Finder drills down into sentiments related to specific features like coffee flavor特征查找器可深入了解与咖啡风味等特定特征相关的情绪
JMP Pro 16 中的情绪分析
JMP Pro 16 中的情绪分析使您能够根据人们的书面评论来衡量人们对某事的积极或消极感受。 由于分析应始终根据特定上下文进行定制，因此该工具包含多种功能，可在您探索数据时轻松自定义情感词典和评分系统。
一旦分析完全定制，交互式工具使您能够以多种方式深入了解结果，以回答您遇到的任何具体问题。 在我们的案例中，看起来人们对在亚马逊上购买的咖啡包大多持积极态度，而且他们特别喜欢咖啡大胆的和强的而不是虚弱的或者苦的。
想要了解人们的感受、观点或态度吗？ 收集一些评论，对它们进行情绪分析，看看你能找到什么答案。
