扬声器
|
成绩单
|
| 团乐 |
大家好，我是团乐，今天我将介绍如何使用 JMP Pro 进行分析 |
| |
COVID-19 推文情绪。 |
| |
众所周知，COVID-19 大流行对我们大多数人来说是过去一年中最具破坏性的事件。 幸运的是，我们的科学家相对较快地研制出了疫苗。 现在解决危机的挑战是采用疫苗。 |
| |
除了可用性和可及性，疫苗的采用在很大程度上取决于人们的看法。 |
| |
每个人都可能对疫苗有自己的看法，而且很容易得到我们周围其他人的意见。 |
| |
然而，我们的社交圈对疫苗的看法可能并不能代表一般人群的意见。 这就是分析的用武之地。 使用推特 |
| |
从 2020 年 12 月到 2021 年 4 月的数据，我们从全球 60,000 条推文样本中分析并提取了见解。 |
| |
我们使用 JMP 确定了在线章节中最流行的疫苗、一些主题和关注点。 我们还为此分析实施了 JMP 16 中的新情绪分析工具。 |
| |
因此，在我们开始我们的主要分析之前，我们进行了概览以初步了解样本。 |
| |
数据有几个主要变量，包括用户名、推文净值、推文标签和关注者数量， |
| |
转发？？？和推文内容本身。 我们看到推文的数量 |
| |
跳三月。 关注人数最多的账户属于新闻媒体，例如印度的 NDTV，其次是名人和有影响力的账户。 这座寺庙的鸣叫是独一无二的；转推被排除在样本之外。 |
| |
因此，我们用于此分析的主要工具是分析菜单下的文本资源管理器文件。 所以这是一个推文浏览器对话。 |
| |
在深入研究推文内容本身之前，我们首先查看了主题标签。 因此主题标签会告诉我们用户指定的推文主题。 推文可以包含代表多个主题的多个主题标签。 |
| |
在文本资源管理器选项中 |
| |
在分析主题标签时，我们不需要词干提取，所以不需要词干提取。 标记化方法只是基本词。 |
| |
我们继续进行，因为我们已经知道这些推文与 COVID 19 相关，所以像 COVID 19 及其变体这样的词被排除在分析之外，因为它不会给我们增加任何信息价值。 |
| |
所以，很快，我们可以看到这里的最上面的术语包含最流行的流行疫苗的名称。 他们是Moderna、辉瑞、 |
| |
人造卫星，阿斯利康。 因此，正如您在此处看到的，每种类型的疫苗都可以用多个术语或主题标签来指代。 |
| |
所以，既然我们知道流行的……最受欢迎的疫苗，我们想更深入地了解主题标签 |
| |
因为保留疫苗类型和国家名称并不能真正为我们增加价值。 我们要将这些词添加到我们的停用词词典中，因为这些词太突出了，所以它会... |
| |
它将压倒其他术语和主题。 所以 |
| |
将这些术语添加到停用词词典后，我们使用一个查看词云的可视化应用程序。 看看这个，我们可以看到最突出的术语是接种疫苗、疫苗有效、疫苗拯救生命。 通过这个我们可以得到一些初步的看法 |
| |
这个话题似乎有积极的情绪。 |
| |
现在我们继续深入探索推文本身。 我们执行类似的工作流程。 这次我们使用 stem 来组合推文内容的选项，因为我们想将术语与相同的基础组合起来。 这将有助于降低数据的维度。 |
| |
标记化方法，我们将使用正则表达式，以便在使用内置表达式和符号（包括标点符号、空格和制表符）解析文档时。 |
| |
因此，在这一步之后，将与 COVID 19 相关的停用词和先前分析中的疫苗名称添加到标签中， |
| |
我们想出了这些推文中最常见的术语。 而且，正如我们在这里看到的，第一个术语是副作用。 这反映了人们对疫苗的极大担忧，并且 |
| |
这并不奇怪，因为疫苗相对较新，而且很快就问世了。 我有亲身经历 |
| |
整个夏天在越南与我的朋友和家人交谈时，我可以很好地理解这一点。 |
| |
他们都不反对疫苗，他们都想接种疫苗并结束 COVID 19，但他们都非常担心和不情愿 |
| |
尽早服用某些类型的疫苗。 他们都想等待更成熟的疫苗 Moderna 或辉瑞。 还有相关新闻……关于凝血问题的报告让他们非常担心。 |
| |
在此之后，我们对推文集群进行了潜在类分析， |
| |
由于这种聚类，我们发现推文的内容可以分为几个主题。 它可能是 |
| |
关于疫苗部署的讨论。 这可能是关于人们接种疫苗的个人故事以及他们的感受。 这可能是关于人们对疫苗的担忧，推文也可能是关于不同国家的大流行情况。 |
| |
最后，对于 JMP Pro 16，我们在文本浏览器的三角形菜单下提供了一项新功能。 那就是情绪分析。 该工具将为每个词分配一个情感分数，并考虑到 |
| |
修饰语，包括否定词和强化词。 所以否定词包括不，不是；强化词可以非常非常。 例如， |
| |
假设世界……快乐这个词的情感得分为 60 分。 |
| |
如果程序看到它前面有“否”或“不是”这个词，它就会给负分 60 分。 用户也可以从这个网格中手动选择一个术语并将它们添加到词典中，并自行为该术语分配一个情感分数。 |
| |
这个工具非常有用，因为默认词典非常全面，但根据分析的上下文，我们可能希望根据上下文为每个词自定义一个情感分数。 |
| |
因此，对这个样本进行分析，我们发现 |
| |
JMP 得分为 7,300 |
| |
推文。他们之中， |
| |
1. |
| |
我们也可以，而不是从整体上看所有的推文，我们也可以把注意力集中在更具体的事情上，比如我们会看 |
| |
只有与某种疫苗类型相关的推文。 例如，我们可以查看仅与 Moderna 相关的推文。 所以当我这样做时， |
| |
1. 辉瑞也差不多。 其他类型的疫苗有...我看过的所有疫苗都有 |
| |
净正面推文多于负面推文，但 Moderna 和辉瑞的比例最高。 其他推文，它们的比率较低，但总体而言我们可以... |
| |
我们可以得出结论，总的来说，无论我们谈论的是什么类型的疫苗，人们对疫苗的总体看法大多是积极的。 现在 |
| |
综上所述， |
| |
因为我们发现 |
| |
JMP Pro 中的 Text Explorer 工具功能非常强大，但使用起来非常简单，因此我们可以使用它来执行文本分析并为任何文本样本提取这些见解。 |
| |
我们在这里获得的有关 COVID 19 疫苗推文的结果最终证实了我们的普遍预期。 |
| |
我想强调的是，人们非常担心疫苗的副作用，这会使一些人不愿意接种疫苗。 |
| |
需要通过更好的沟通策略和透明度更积极地解决这一问题，以赢得人们的信任和他们接种疫苗的意愿。 |
| |
这就是我关于使用 JMP Pro 分析 COVID 19 推文情绪的演讲。 非常感谢。 |
