의견이나 제품 선택에서 감정 도출
방법을 확인하세요:
- 구조화되지 않은 텍스트 데이터의 긍정적 또는 부정적 감정을 수량화합니다.
- 어휘 감정 분석의 기본 이해
- 외부 감정 측정이 불가능한 경우 각 문서의 개별 단어에서 감정 점수를 매깁니다.
- 점수(예: 훌륭함 = +90, 실망함 = -30)를 지정하는 감정 사전(일명 "어휘")을 사용합니다.
- 개별 감정 문구에 점수를 매겨 문서 감정을 계산합니다.
- 세 개의 사전 목록 만들기 - 감정 용어: '멋지다'와 같은 감정을 담고 있는 용어; 강화 용어: '매우'와 같은 감정 승수; 부정 용어: 'not'과 같은 정서 극성 반전
- 상황, 도메인에 맞게 사전을 사용자 정의하고 점수를 추가하세요.
- 사전 가져오기 및 내보내기
- 채점 이해
- 개별 문구에 점수가 매겨집니다. 감정 용어 점수 x 강화 가중치 x 부정(-1)
- 문서에 점수가 매겨집니다. 척도: 평균 감정 문구 점수 및 최소/최대: 최대 및 최소 감정의 합계
- 규칙 이해
- 용어는 하나의 클래스(감정, 강화자 또는 부정자)에만 속할 수 있습니다.
- Parse Documents 옵션은 NLP(자연어 처리)를 사용하여 부정자와 강화자를 더 효과적으로 할당합니다.
- 형태소 분석은 감정 점수에 영향을 미치지 않습니다(그리고 그럴 만한 이유가 있습니다).
- 이전에 선언된 불용어가 사전에 추가되면 텍스트 탐색기 창 내의 모든 분석에서 불용어로서 일시적으로 제거됩니다.
- 결과 살펴보기
- 감정 분포는 모든 문서에 대한 전반적인 감정 보기를 제공합니다.
- 감정 용어 목록에는 가장 빈번한 감정 용어가 가장 빈번하게 표시되며 클릭하여 선택한 용어가 포함된 모든 문서를 찾아볼 수 있습니다.
- 문서 테이블은 문서 수준 점수를 제공합니다(설명을 보려면 마우스를 가리키세요).
- 텍스트 창에 문맥에 맞는 용어가 표시됩니다(설명을 보려면 마우스를 올리세요).
- 기능 섹션에서는 감정 용어와 자주 함께 발생하는 용어를 찾고 선택한 기능과 관련하여 문서의 점수를 다시 매깁니다.
- 다른 분석에 사용하기 위해 감정 점수 내보내기
- 파생 감정 분석의 기본 이해
- 외부 감정 측정(예: 만족도 평가)을 사용하여 감정 분석을 진행합니다.
- 텍스트 탐색기의 용어 선택을 사용하여 DTM(문서-용어 매트릭스)으로 예측된 감정 측정 모델을 구축합니다.
- 데이터를 사용하여 용어를 도출하고 감정 점수를 문서화합니다.
- 우리가 놓칠 수 있는 감정 용어를 식별합니다.
- 외부 감정 측정을 사용할 수 없는 경우에도 향후 텍스트에 모델을 적용할 수 있습니다.
- 용어 선택을 사용하여 파생된 감정 분석 실행
- 명목형, 순서형 또는 연속형 반응 변수 사용
- 2개 이상의 수준을 가진 명목은 대상 클래스를 선택해야 합니다(즉, 대상과 비대상의 이진 결과로 감소).
- 순서는 숫자 데이터 유형이어야 하며 정규 분포를 따르는 연속 반응으로 모델링됩니다.
- 추가 선행 옵션 선택: 추정 및 검증 방법, DTM 가중치, DTM의 최대 항)
- 초기 모델을 실행한 후 일반화 회귀 제어에 액세스하고 여러 모델을 구축하여 최상의 결과를 찾습니다.
- 결과 살펴보기
- 최상위 요약은 감정 분석과 유사합니다.
- '기여'는 응답 척도(예: 로그 확률)를 나타내는 일반적인 단어입니다.
- 문서의 기여도 값은 용어 계수(회귀 모델 계수)의 합입니다.
- LogWorth라는 용어는 p-값의 함수입니다(높은 LogWorth는 더 낮은 p-값에 해당함).
자원
Sentiment SummarySentiment Summary감정 요약
고급 통계 모델링
