Suponga que está pensando en transmitir una nueva película. Lees una sinopsis: “El gobernante del futuro les dice a los mejores amigos Bill y Ted que deben componer una nueva canción para salvar la vida tal como la conocemos. Pero en lugar de escribirlo, deciden viajar en el tiempo para robárselo a sí mismos”. Mientras eso suene el mas excelente , también lees algunos comentarios de los espectadores. "Mucha diversión." “La película perfecta para donde estamos como pueblo”. "Muy decepcionado con la trama débil". "Por favor no mas." Etcétera. Sopesas los comentarios positivos contra los negativos y decides mirar Bill y Ted se enfrentan a la música . (¿Cuánto contenido sin ver realmente te queda en Netflix en este momento?)
Leemos los comentarios de los espectadores en situaciones como esta porque nos informan sobre las opiniones, actitudes o sentimientos de las personas, cosas comúnmente llamadas sentimiento – a menudo en relativamente pocas palabras. Sólo una sola palabra o frase como divertido , pelicula perfecta o excepcionalmente pobre puede transmitir sentimientos con bastante eficacia, y conocer los sentimientos de las personas puede ser muy importante. ¿A los clientes les gusta nuestro nuevo producto? ¿Qué piensa el Twitterverse sobre las últimas noticias? ¿Qué disposiciones de la nueva ley son más o menos populares? El sentimiento está en el centro de la respuesta, y el lenguaje nos ayuda a medirlo.
Simplemente leer un texto es la mejor manera de medir el sentimiento. Pero, ¿qué sucede cuando hay cientos, miles o incluso millones de textos para leer? Necesitamos computadoras para eso. Las computadoras no pueden comprender el lenguaje como lo hacen los humanos, pero pueden buscar palabras o frases que creemos que transmiten sentimientos, calificar textos basados en esas palabras de sentimientos y luego presentarnos los puntajes de manera útil. Esto puede darnos una imagen a gran escala del sentimiento que no podríamos obtener de otra manera.
Esta es la esencia de Análisis de los sentimientos , una técnica analítica de texto en JMP Pro 16. Vamos a ver cómo funciona.
¿Te gustan las cápsulas de café?
Le ahorraremos una inmersión profunda en la última película de Bill y Ted a favor de un ejemplo quizás más cotidiano: las cápsulas de café, esas pequeñas cápsulas que se usan en las máquinas de café de una sola porción que a veces se encuentran en las salas de descanso, en los desayunos continentales o en los cafés de algunas personas. cocinas ¿Qué piensan los consumidores de las cápsulas de café?
Analizaremos 9,133 reseñas de cápsulas de café en Amazon tomadas de un conjunto de datos más grande de reseñas de Amazon encontradas aquí . Para evitar controversias, analizaremos colectivamente las revisiones de los pods de muchas marcas diferentes y no destacaremos ningún producto específico. En la práctica, sin embargo, nos gustaría restringir el dominio de nuestro análisis con precisión, tal vez analizando reseñas de solo uno de nuestros productos o de uno de nuestros competidores, lo que sería más informativo que mirar todas las cápsulas de café. También nos aseguraremos de excluir reseñas de cosas relacionadas, como máquinas de café o accesorios, o reseñas centradas en cuestiones secundarias, como el empaque o el servicio de entrega, porque lo que expresa un sentimiento positivo en un dominio ( la entrega fue barato ) puede que no en otro ( el café sabía barato ).
Ahora, antes de continuar, escucho a algunos lectores preguntar: "¿Por qué no simplemente mirar las reseñas de las estrellas?" Por supuesto, podríamos y, en la práctica, miraríamos las reseñas de estrellas, pero (a) el texto es una fuente de información mucho más rica y (b) en muchas situaciones (por ejemplo, publicaciones en foros públicos) el texto es el solo información disponible. Ignoraremos las reseñas de estrellas por ahora para mantener el enfoque en el análisis de sentimiento.
El análisis de sentimiento está llegando Pro JMP 's Explorador de texto plataforma, y es bastante fácil de ejecutar. Simplemente seleccione la opción Análisis de opinión y JMP encuentra automáticamente palabras de opinión, califica cada revisión y produce una variedad de resultados para que podamos ajustar el análisis y explorar los resultados.
Launching Sentiment AnalysisLaunching Sentiment AnalysisLaunching Sentiment AnalysisLaunching Sentiment AnalysisLanzamiento del análisis de sentimiento
Ajuste fino del análisis
Echemos un vistazo más de cerca a ese resultado, comenzando con algunas revisiones individuales para ver cómo se calculan los puntajes de sentimiento y, lo que es más importante, por qué y cómo ajustamos nuestro análisis.
La reseña n.º 4297 es relativamente positiva y dice cosas como excelente , conveniente y satisfecho y una puntuación de +60 en general (en una escala de -100 a 100, donde cero es un sentimiento neutral). ¿Cómo calculó JMP Pro esta puntuación? Consultó una lista integrada de palabras de sentimiento y puntajes asociados (un sentimiento diccionario ) y promediaron las puntuaciones de las tres palabras de sentimiento juntas. Muy claro. (Si lo prefiere, una opción de puntaje mínimo-máximo calcula el puntaje general como la diferencia entre las palabras más positivas y más negativas en el comentario).
Review #4297 is relatively positiveReview #4297 is relatively positiveReview #4297 is relatively positiveReview #4297 is relatively positiveLa revisión #4297 es relativamente positiva
El algoritmo que analiza el texto maneja automáticamente los negadores (p. ej., No ) e intensificadores (p. ej., muy ). La revisión #6034 es un buen ejemplo. La palabra bien obtiene una puntuación inicial de +60 de forma predeterminada, y esa puntuación aumenta a +84 cuando va precedida por el intensificador en realidad pero se convierte en -60 cuando es negado por no .
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 ajusta las puntuaciones de las palabras de sentimiento en presencia de negadores o intensificadores
El diccionario de opiniones integrado de JMP Pro es completamente personalizable y es aconsejable adaptarlo a su dominio. Mire la Revisión # 910 a continuación. Lindo y bien son palabras de sentimiento obvias, pero ¿qué pasa con muy fuerte , que es claramente negativo en el dominio de las monodosis de café? Reconocer que los sentimientos de muchas palabras son específicos del dominio (p. ej., Roca sólida puede ser positivo para un automóvil pero negativo para un colchón), el diccionario integrado de JMP Pro hace relativamente pocas suposiciones, lo que le permite agregar, restar y modificar el diccionario para adaptar el análisis a su dominio.
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"Puede adaptar el análisis para incluir palabras o frases de sentimiento específicas del dominio como "demasiado fuerte".
Personalizar el diccionario es simple. Para agregar muy fuerte como frase negativa, simplemente resaltamos la frase y hacemos clic en un botón para asignarle una puntuación, aquí -30. El análisis completo se actualiza automáticamente, encontrando cada instancia de muy fuerte y puntuándolo en consecuencia. Esto hizo que la calificación de Review #910 bajara de +43 a +18, lo que parece una mejora.
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 painlessAgregar una nueva frase de sentimiento es bastante sencillo
Hay una variedad de herramientas adicionales para personalizar el análisis, incluida una lista de posibles palabras de opinión que quizás desee agregar al diccionario (aquí, marca automáticamente palabras como fuerte , débil , amargo , caro ), la capacidad de modificar las puntuaciones de palabras como quieras, la personalización de negadores e intensificadores, y más. El análisis de sentimiento debe siempre adaptarse al contexto particular en el que se aplica, por lo que si termina utilizando JMP Pro 16 para el análisis de sentimiento, querrá familiarizarse con estas herramientas.
Explorando los resultados
¿Qué podemos encontrar en estos datos una vez que hayamos terminado de adaptar el análisis? Primero, el resumen muestra que los sentimientos son relativamente positivos, con una puntuación media de +39,5. Hay 6.856 críticas positivas netas con una puntuación media de +56,9; 1.277 negativos netos con una puntuación media de -38,7. Parece que las personas son relativamente positivas con respecto a sus cápsulas de café, y la revisión positiva promedio es más positiva que la revisión negativa promedio. Si bien estamos a punto de ver una serie de herramientas para profundizar en estos puntajes, vale la pena señalar que todos los puntajes de opinión de las revisiones se pueden guardar en la tabla de datos, lo que los hace disponibles para su visualización y análisis en otras herramientas.
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 sentimentUna tabla de resumen proporciona una vista agregada del sentimiento positivo y negativo.
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 scoresEl histograma adjunto visualiza la distribución de las puntuaciones de opinión
Hay algunas maneras diferentes en las que podríamos querer profundizar más en los resultados. Primero, ¿qué términos de sentimiento aparecen con más frecuencia? Mirando hacia abajo en la lista, vemos que las palabras más frecuentes son generalmente positivas, con palabras como excelente , atrevido y fuerte clasificando altamente. Si nos desplazamos hacia abajo, encontramos que las palabras negativas más frecuentes son débil y amargo . Si hacemos clic en uno de estos, podemos ver su uso en contexto para obtener una comprensión más profunda de las quejas de las personas.
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 informativeExplorar comentarios por palabras de sentimientos frecuentes puede ser muy informativo
Después de explorar por palabras de sentimiento más frecuentes, es posible que nos interese características de cápsulas de café. Es decir, en lugar de mirar las cápsulas de café de manera integral, concentrémonos en algo específico como el sabor. Si nos fijamos en el Buscador de características, Pro JMP proporciona una lista de palabras que a menudo coexisten con términos de sentimiento, de modo que podemos explorar el sentimiento relacionado solo con esas palabras. Aquí seleccionamos sabor de la lista para ver lo que dice la gente al respecto. Incluso podemos hacer clic en Calificar características seleccionadas para pedirle a JMP Pro que vuelva a calificar cada comentario específico del sabor únicamente. Esta es una excelente manera de profundizar en un subdominio que más le interese.
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 flavorEl Buscador de características profundiza en los sentimientos relacionados con características específicas como el sabor del café.
Análisis de sentimiento en JMP Pro 16
El análisis de sentimientos, que viene en JMP Pro 16, le permite medir qué tan positiva o negativamente se siente la gente acerca de algo, en función de sus comentarios escritos. Debido a que el análisis siempre debe adaptarse al contexto específico, la herramienta incluye una variedad de funciones para personalizar fácilmente el diccionario de opiniones y el sistema de puntuación a medida que explora los datos.
Una vez que el análisis está completamente personalizado, las herramientas interactivas le permiten profundizar en los resultados de varias maneras para responder a cualquier pregunta específica que tenga. En nuestro caso, parece que la mayoría de las personas son positivas acerca de las cápsulas de café que obtienen en Amazon, y son particularmente fanáticos del café que es atrevido y fuerte en vez de débil o amargo .
¿Quieres descubrir los sentimientos, opiniones o actitudes de las personas? Reúna algunos comentarios, libere el análisis de sentimiento y vea qué respuestas encuentra.
