277517_it-IT

liliconcom

Recupero, organizzazione e analisi del testo

 

Guarda come:

• Comprendere le convenzioni e le definizioni di Text Explorer relative all'analisi di testo non strutturato, inclusi corpus, documento, termine, frase, DTM (Document Term Matrix), tokenizzazione, stemming e stop word

 

Guarda come:

• Trova i termini e le frasi più comuni e determina il contesto in cui vengono utilizzati i termini o le frasi
• Utilizza rapporti sui termini, rapporti sulle frasi e nuvole di parole
• Applica frasi integrate e definite dall'utente
• Personalizza, aggiungi o rimuovi parole chiave in modo interattivo

 

Guarda come:

• Trova termini che tendono ad apparire insieme
• Raggruppa ed esplora documenti simili
• Scopri temi ricorrenti (argomenti) all'interno della raccolta di documenti
• Elimina le informazioni importanti dal testo in modo che possano essere utilizzate nei modelli predittivi
• Utilizza l'analisi semantica latente (SVD), i viticci del grafico a dispersione, l'analisi degli argomenti (SVD ruotata), i principali termini per rapporto cluster e le probabilità dei termini per rapporto cluster
• Salva cluster o classi latenti per ottenere predittori categoriali e salva vettori singolari per ottenere predittori continui

31+ minAvanzatePadroneggiare JMPAnalisi del testovideoRi: Recuperare, organizzare e analizzare il testo

Questo è abbastanza esaustivo!Grazie @brady_brady per questa presentazione, non vedo l'ora di rivederlo in relazione ai post più attuali nella comunità su questo argomento, come ad esempio: https://community.jmp.com/t5/Tutorials/Deriving-Sentiments-from-Opinions-or-Product-Choices/ta-p/317476 .

 

Alla fine nell'ultimo video in sezione che copre l'ultimo sottoargomento di:

 

• Salva cluster o classi latenti per ottenere predittori categoriali e salva vettori singolari per ottenere predittori continui

Penso che sarebbe stato utile esaminare l'esempio del lancio di un modello sui predittori continui (es. Vettori singolari o vettori di argomento) e / o categoriali (es. Classi latenti o numeri di cluster) rispetto alla risposta "Target Y".Ti piace che tipo di modelli potresti usare per questo?PLS?Logistica ordinaria?Neurale? (Quali sono in genere quelli che le persone usano per questi tipi di situazioni?)

 

Sarebbe bello vedere e assorbire (apprezzare) un set di dati di esempio in cui abbiamo una variabile di risposta Y praticamente significativa e ragionevolmente misurata nel contesto di questo tipo di dati in cui sono principalmente informazioni di testo su X e forse uno (si spera almeno uno) risposta Y significativa.

  

 

 

Ri: Recuperare, organizzare e analizzare il testo

Ciao @PatrickGiuliano .Uno di Brady @brady_brady colleghi, Kemal Oflus @kemal_oflus presenterà la sua versione aggiornata di questo argomento a 10 giugno 2021 Padroneggiare JMP utilizzando JMP 16 Pro.È un argomento importante, quindi Kemal mirerà a soddisfare i bisogni di base di persone relativamente nuove nell'analisi del testo.Lo sto copiando in modo che possa digerire ed eventualmente indirizzare i tuoi suggerimenti, se appropriato per il pubblico più vasto.