Supposons que vous songiez à diffuser un nouveau film. Vous lisez un synopsis : « Le dirigeant du futur dit aux meilleurs amis Bill et Ted qu'ils doivent composer une nouvelle chanson pour sauver la vie telle que nous la connaissons. Mais au lieu de l'écrire, ils décident de voyager dans le temps pour le voler à leurs anciens. Alors que ça sonne le plus excellent , vous avez également lu certains commentaires de spectateurs. "Beaucoup d'amusement." "Le film parfait pour où nous en sommes en tant que peuple." "Très déçu de l'intrigue faible." "S'il vous plaît pas plus." Et ainsi de suite. Vous pesez les commentaires positifs contre les négatifs et décidez de regarder Bill et Ted font face à la musique . (Combien de contenu non regardé vous reste-t-il vraiment sur Netflix à ce stade ?)
Nous lisons les commentaires des téléspectateurs dans des situations comme celle-ci parce qu'ils nous parlent des opinions, des attitudes ou des sentiments des gens - des choses communément appelées sentiment – souvent en relativement peu de mots. Juste un mot ou une phrase comme amusant , film parfait ou exceptionnellement pauvre peut transmettre un sentiment assez efficacement, et connaître le sentiment des gens peut être très important. Les clients aiment-ils notre nouveau produit ? Que pense la Twitterverse des dernières nouvelles ? Quelles dispositions de la nouvelle loi sont les plus ou les moins populaires ? Le sentiment est au cœur de la réponse, et le langage nous aide à le mesurer.
La simple lecture d'un texte est le meilleur moyen d'évaluer le sentiment. Mais que se passe-t-il lorsqu'il y a des centaines, des milliers, voire des millions de textes à lire ? Nous avons besoin d'ordinateurs pour cela. Les ordinateurs ne peuvent pas comprendre le langage comme le font les humains, mais ils peuvent rechercher des mots ou des phrases qui, selon nous, véhiculent un sentiment, noter des textes en fonction de ces mots de sentiment, puis nous présenter les scores de manière utile. Cela peut nous donner une image à grande échelle du sentiment que nous ne pourrions pas obtenir autrement.
C'est l'essence de Analyse des sentiments , une technique d'analyse de texte dans JMP Pro 16. Voyons voir comment ça fonctionne.
Aimez-vous les dosettes de café ?
Nous vous épargnerons une plongée en profondeur dans le dernier film de Bill et Ted au profit d'un exemple peut-être plus quotidien : les dosettes de café, ces petites capsules utilisées dans les machines à café à portion individuelle que l'on trouve parfois dans les salles de pause, aux petits déjeuners continentaux ou chez certains. cuisines. Que pensent les consommateurs des dosettes de café ?
Nous analyserons 9 133 avis sur les dosettes de café sur Amazon à partir d'un ensemble de données plus important d'avis Amazon trouvés ici . Pour éviter toute controverse, nous analyserons collectivement les avis sur les pods de nombreuses marques différentes et ne distinguerons aucun produit spécifique. En pratique, cependant, nous voudrions restreindre la domaine de notre analyse de manière approfondie, peut-être en analysant les critiques d'un seul de nos propres produits ou de l'un de nos concurrents, ce qui serait plus informatif que de regarder toutes les dosettes de café. Nous veillerons également à exclure les avis sur des éléments connexes tels que les machines à café ou les accessoires, ou les avis axés sur des problèmes secondaires tels que l'emballage ou le service de livraison, car ce qui exprime un sentiment positif dans un domaine ( la livraison a été bon marché ) peut-être pas dans un autre ( le café a goûté bon marché ).
Maintenant, avant de continuer, j'entends des lecteurs demander: "Pourquoi ne pas simplement regarder les critiques des stars?" Bien sûr, nous pourrions et, dans la pratique, examinerions les critiques des étoiles, mais (a) le texte est une source d'informations beaucoup plus riche et (b) dans de nombreuses situations (par exemple, les messages dans des forums publics), le texte est la seul informations disponibles. Nous allons ignorer les critiques des étoiles pour le moment afin de nous concentrer sur l'analyse des sentiments.
L'analyse des sentiments arrive JMPPro c'est Explorateur de texte plate-forme, et il est assez facile à exécuter. Il vous suffit de sélectionner l'option Analyse des sentiments, et JMP trouve automatiquement les mots de sentiment, note chaque avis et produit une variété de sorties pour que nous affinions l'analyse et explorions les résultats.
Launching Sentiment AnalysisLaunching Sentiment AnalysisLaunching Sentiment AnalysisLaunching Sentiment AnalysisLancement de l'analyse des sentiments
Affiner l'analyse
Examinons de plus près ce résultat, en commençant par quelques avis individuels pour voir comment les scores de sentiment sont calculés et, surtout, pourquoi et comment nous affinons notre analyse.
L'avis #4297 est relativement positif, disant des choses comme excellent , pratique et satisfait et score global de +60 (sur une échelle de -100 à 100, où zéro est un sentiment neutre). Comment JMP Pro a-t-il calculé ce score ? Il a consulté une liste intégrée de mots de sentiment et les scores associés (un sentiment dictionnaire ) et fait la moyenne des scores des trois mots de sentiment ensemble. Assez simple. (Si vous préférez, une option de score min-max calcule le score global comme la différence entre les mots les plus positifs et les plus négatifs dans le commentaire.)
Review #4297 is relatively positiveReview #4297 is relatively positiveReview #4297 is relatively positiveReview #4297 is relatively positiveL'avis #4297 est relativement positif
L'algorithme qui analyse le texte gère automatiquement les négatifs (par exemple, Non ) et intensificateurs (par exemple, très ). La revue #6034 en est un bel exemple. Le mot bien obtient un score de base de +60 par défaut, et ce score augmente à +84 lorsqu'il est précédé de l'intensificateur vraiment mais devient -60 lorsqu'il est annulé par pas .
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 ajuste les scores des mots de sentiment en présence de négateurs ou d'intensificateurs
Le dictionnaire de sentiments intégré de JMP Pro est entièrement personnalisable, et il est judicieux de l'adapter à votre domaine. Regardez la revue # 910 ci-dessous. Bon et bien sont des mots de sentiment évidents, mais qu'en est-il trop fort , ce qui est clairement négatif dans le domaine des dosettes de café ? Reconnaissant que les sentiments de nombreux mots sont spécifiques à un domaine (par exemple, solide comme le roc peut être positif pour une voiture mais négatif pour un matelas), le dictionnaire intégré de JMP Pro fait relativement peu d'hypothèses, vous permettant d'ajouter, de soustraire et de modifier le dictionnaire pour adapter l'analyse à votre domaine.
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"Vous pouvez personnaliser l'analyse pour inclure des mots ou des expressions de sentiment spécifiques à un domaine comme "trop fort"
La personnalisation du dictionnaire est simple. Ajouter trop fort comme phrase négative, on surligne simplement la phrase et on clique sur un bouton pour lui attribuer un score, ici -30. L'analyse complète est automatiquement mise à jour, trouvant chaque instance de trop fort et le noter en conséquence. Cela a ramené le score de Review # 910 de +43 à +18, ce qui semble une amélioration.
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 painlessL'ajout d'une nouvelle expression de sentiment est assez indolore
Il existe une variété d'outils supplémentaires pour personnaliser l'analyse, y compris une liste de mots de sentiment potentiels que vous pourriez vouloir ajouter au dictionnaire (ici, il signale automatiquement des mots comme fort , faible , amer , cher ), la possibilité de modifier les scores de mots comme bon vous semble, la personnalisation des négateurs et des intensificateurs, et plus encore. L'analyse des sentiments devrait toujours être adapté au contexte particulier dans lequel il est appliqué, donc si vous finissez par utiliser JMP Pro 16 pour l'analyse des sentiments, vous souhaiterez vous familiariser avec ces outils.
Explorer les résultats
Que pouvons-nous trouver dans ces données une fois que nous avons fini d'adapter l'analyse ? Premièrement, le résumé montre que les sentiments sont relativement positifs, avec un score moyen de +39,5. Il y a 6 856 critiques positives nettes avec un score moyen de +56,9 ; 1 277 nets négatifs avec un score moyen de -38,7. Il semble que les gens soient relativement positifs à propos de leurs dosettes de café, et la critique positive moyenne est plus positive que la critique négative moyenne est négative. Alors que nous sommes sur le point de voir un certain nombre d'outils pour plonger plus en détail dans ces scores, il convient de noter que tous les scores de sentiment des avis peuvent être enregistrés dans le tableau de données, ce qui les rend disponibles pour la visualisation et l'analyse dans d'autres outils.
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 sentimentUn tableau récapitulatif fournit une vue agrégée des sentiments positifs et négatifs
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 scoresL'histogramme ci-joint visualise la distribution des scores de sentiment
Il existe différentes façons d'approfondir les résultats. Premièrement, quels termes de sentiment apparaissent le plus fréquemment ? En regardant vers le bas de la liste, nous voyons que les mots les plus fréquents sont généralement positifs, avec des mots comme super , gras et fort rang élevé. Si nous faisons défiler vers le bas, nous constatons que les mots négatifs les plus fréquents sont faible et amer . Si nous cliquons sur l'un d'entre eux, nous pouvons voir son utilisation dans son contexte pour mieux comprendre les plaintes des gens.
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 informativeExplorer les commentaires par des mots de sentiment fréquents peut être très instructif
Après avoir exploré les mots de sentiment les plus fréquents, nous pourrions être intéressés par des mots spécifiques caractéristiques de dosettes de café. Autrement dit, au lieu de regarder les dosettes de café de manière holistique, concentrons-nous sur quelque chose de spécifique comme la saveur. Si nous regardons le Feature Finder, JMPPro fournit une liste de mots qui coexistent souvent avec des termes de sentiment, afin que nous puissions explorer le sentiment lié uniquement à ces mots. Ici, nous sélectionnons saveur de la liste pour voir ce que les gens en disent. Nous pouvons même cliquer sur Noter les fonctionnalités sélectionnées pour demander à JMP Pro de réévaluer chaque commentaire spécifique à la version uniquement. C'est un excellent moyen d'explorer un sous-domaine qui vous intéresse le plus.
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 flavorLe Feature Finder explore les sentiments liés à des caractéristiques spécifiques comme la saveur du café
Analyse des sentiments dans JMP Pro 16
L'analyse des sentiments, disponible dans JMP Pro 16, vous permet d'évaluer l'opinion positive ou négative des personnes à propos de quelque chose, en fonction de leurs commentaires écrits. Étant donné que l'analyse doit toujours être adaptée au contexte spécifique, l'outil comprend une variété de fonctionnalités pour personnaliser facilement le dictionnaire des sentiments et le système de notation lorsque vous explorez les données.
Une fois l'analyse entièrement personnalisée, des outils interactifs vous permettent d'approfondir les résultats de différentes manières pour répondre à toutes vos questions spécifiques. Dans notre cas, il semble que les gens soient plutôt positifs à propos des dosettes de café qu'ils obtiennent sur Amazon, et ils sont particulièrement fans de café qui est gras et fort plutôt que faible ou amer .
Vous voulez découvrir les sentiments, les opinions ou les attitudes des gens ? Rassemblez quelques commentaires, libérez-les de l'analyse des sentiments et voyez quelles réponses vous trouvez.
