テキスト分析と自然言語処理は、最新の統計的スピーキングウェビナーで中心的な役割を果たしましたあなたのテキストデータはどのような価値を明らかにしますか。 Salesforceへの400人以上の新しい連絡先を含む、700人近くの登録者が、テキスト分析の利点、ベストプラクティス、およびテキストデータから得られた洞察を伝達する方法を概説したNLPエキスパートおよびコンサルタントのManyaMayesの基調講演を楽しみました。 その後、Manyaには、Procter＆Gambleの統計家であるJeffSwartzelとFDAのWeidaTongが加わりました。
JMPセールスチームが顧客や見込み客とより有意義で生産的なイベント後の会話を行えるように、イベントが終了した今、位置付けるための推奨リソースの次のリストを作成しました。 このリストは、当社のWebサイト全体から適切な資産を引き出します。
このイベントに関する推奨事項についてご不明な点がございましたら、お気軽にお問い合わせください。
ラリー-ケアリーのx11276。
Salesforceキャンペーンのリンクはここにあります
手始めに、へのリンクを送信することを検討してくださいJMP16ページの新機能。 用語の選択と感情分析は、このページで強調するJMP16の新機能です。 また、短いビデオを作成しました、用語の選択と感情分析については、YouTubeで見つけることができます。 これは、テキストエクスプローラーのこれらの新機能のハイライトに当たる洗練されたビデオです。
P＆Gの従業員がテキスト分析を行えるようにする、JMP序文記事
この記事は、パネリストのジェフ・スワーツェルの同僚であるP＆Gのスコットリースからのものです。 ジェフは講演中にこの記事を参照しています。これは、組織をテキスト分析に移行するための優れたケーススタディです。
感情分析がJMPPro16に登場、JMPブログ
Ross Metusalemのこのブログでは、JMP16で利用できるようになったJMPProの感情分析について詳しく説明しています。 感情分析を使用すると、書かれたコメントに基づいて、人々が何かについて肯定的または否定的にどのように感じているかを測定できます。 ロスは、コーヒーポッドで消費者の感情を使用して、JMPが書面によるフィードバックをどのように処理するかを示しています。 彼は、分析を常に特定のコンテキストに合わせて調整する方法と、データを探索するときに感情辞書とスコアリングシステムを簡単にカスタマイズするためのさまざまな機能がJMPに含まれている方法を示しています。 これは、この件に関して私たちが持っている最新の資産です。
テキスト分析の価値を解き放つ、分析的に話す
Seth Grimesとのこのウェビナーでは、ビジネス関連情報の80％近くが構造化されていない形式であるという事実を共有しています。 グライムスは、非構造化テキストデータの価値、自然言語処理のベストプラクティス、感情分析テクノロジーの価値を解き放つことについての彼の見解を示しています。
テキスト探索による非構造化データへの取り組み、技術的に言えば
少し古いですが、このテクニカルスピーキングでは、調査、製品の苦情、メンテナンスレポート、顧客からのフィードバックなど、さまざまな非構造化データについて説明し、テキスト探索機能がテキストベースのデータから洞察をすばやく抽出するのにどのように役立つかについて説明します。 ワードクラウドを含む、JMPソフトウェアの以前のバージョンを強調しています。これにより、特定の非構造化データセットの一般的なテーマを明確にする方法でワードの頻度を視覚化できます。 また、マトリックス内の各用語に置かれた重要性を操作し、トピック抽出を使用して組織に最も関連するテーマを探索する方法も示します。
非構造化データにタブで移動、 白書
このホワイトペーパーは古いものですが、それでもテキスト分析に関する主要なホワイトペーパーです。 このホワイトペーパーでは、JMP®およびJMP Proテキストエクスプローラーのさまざまな機能と、それらがテキストベースの洞察を解き放つのにどのように役立つかについて説明します。 プロセスを実証するために、著者のHeath Rushingは、全米科学財団の研究助成金の要約のコレクションからの啓発的な例を利用しています。
テキストエクスプローラーを使用した分析の拡張、JMPウェビナーの習得
このマスタリングでは、テキストエクスプローラーを使用して、調査やインシデントレポートのコメントフィールドなどの非構造化テキストの分析を含める方法を示します。 この消費者調査では、非構造化データを使用して地方自治体のビジネス関連調査の結果をより完全に理解する方法を参照してください。 ウェビナーでは、テキストエクスプローラーのナビゲート、用語やフレーズの識別、結果のマッピングなどについて説明します。
また、私たちのポジショニングを検討することをお勧めします産業問題解決のための統計的思考、無料のオンラインコース。 このコース全体は7つのモジュールで、合計で約30時間の自習型学習です。すべてが優れていますが、強調表示することを検討してください予測モデリングとテキストマイニングモジュール。 調査回答データなどの非構造化テキストデータから情報と意味を抽出する方法など、セミナーで取り上げたのと同じトピックの多くをカバーしています。
