テキスト エクスプローラーは、アンケートの自由回答フィールドやインシデント レポートなどの非構造化テキストを調べてその意味を理解するのに役立ちます。これは多くの場合、用語とフレーズのリストのキュレーションと分析を交互に行う反復的なプロセスです。
Kemal @kemal_oflus 、Olivia @O_Lippincott 、Ross @Ross_Metusalemがライブ ウェビナーで質問に答えました。
Q: テキスト エクスプローラー メニューを表示するにはどうすればいいですか?
A: ファイル > 環境設定から、左側のメニュー グループをクリックします。「高度なモデリング」がチェックされているかどうかを確認します。チェックされていない場合は、ボックスにチェックを入れて [OK] をクリックします。メニュー環境設定を使用すると、メニュー項目を表示または非表示にして、JMP インターフェイスをカスタマイズできます。
Q: ユーザー設定で、ワード クラウドのレイアウトを常に中央揃えにするように設定することはできますか?
A: はい、「ファイル」>「環境設定」で特定のプラットフォーム環境設定を設定できます。環境設定の「テキスト エクスプローラー」プラットフォームには、ワード クラウドの既定のレイアウトを中央揃えに変更するオプションがあります。
Q: バイナリ列を適切に設定し、分析に使用する方法について説明していただけますか?
A: ドキュメント用語マトリックスは、用語リスト内の各用語にバイナリ列を提供します。これにより、テキストがモデリングやグラフ作成に使用できる数値データセットに変換されます。詳細については、ビデオの約 32:20 の Q&A もご覧ください。
Q: ドキュメント用語マトリックスのローカルとは何ですか?
A: Local は、現在の Text Explorer プラットフォームでのみストップワードを使用します。別のデータセットでストップワードを使用したり、現在のテーブルでプラットフォームをもう一度起動したりする場合は、ユーザー オプションを使用してユーザー ライブラリを作成できます。詳細については、ビデオの 32:20 あたりの Q&A もご覧ください。
Q: 正規表現を使用してテキストを探索できますか?
A: はい。 データクリーニングに関するブログ投稿や、このDiscovery Summit プレゼンテーションに情報が記載されています。
Q: 発表者は、最初のテキスト分析ではバイナリ重み付けを使用しましたが、SVD 分析では TF IDF を使用しました。分析全体を通して 1 つの重み付けを維持する必要がありますか、それとも分析のさまざまな部分に異なる重み付けを使用すると便利ですか?
A: TF IDF は、SVD 分析のデフォルトの重み付けです。SVD 分析が実行されていない限り、バイナリがデフォルトです。その他の重み付けオプションには、特定の使用例があります。詳細については、ビデオの 32:20 あたりの Q&A もご覧ください。
Q: コード化されたテキストのパターンを認識して分析できるように、「コード化された」テキスト/暗号化の機能を追加することを検討しましたか?
A: この問題の一部は、カスタム正規表現を使用することで解決できます。最初の起動ウィンドウにこのオプションがあります。そこで、JMP にさまざまなパターンを識別する方法と、パターンが見つかったときにどうするかを教えることができます。
Q: 単語ではなくフレーズのワードクラウドを作成できますか?
A: ワード クラウドは用語リストを使用してワード クラウドを生成します。例で Kemal が行ったように、用語リストにフレーズを追加すると、ワード クラウドにもフレーズが表示されます。
Q: デフォルトのテキスト エクスプローラー オプション (単語あたりの最大文字数、語幹処理、フレーズあたりの最大語数) を変更していますか? 通常、これらはそのままにしていますが、変更することが重要かどうか疑問に思っています。
A: ほとんどの場合、単語あたりの最小文字数以外はそのままにしておきます。主題の専門家がここに入力する場合があります。正規表現をカスタマイズし、独自の用語がある場合は、以下のビデオを参照してカスタマイズできます。
Q: 感情分析は JMP Pro にのみ搭載されていますか?
A: はい、JMP Pro を使用した感情分析の詳細をご覧ください。
Q: JMP とテキスト分析でカスタム正規表現を使用する際のヒントはありますか。これを実行しようとして多くの時間を費やしているのに、得られる結果が限られていることに気づきました。
A: 役に立つと思われるテキスト分析のコースを提供しています。このコースには、Regex の使用方法に関するさまざまな例が含まれています。JMP コミュニティ ブログに投稿される、データのクリーニングのための Regex に関する JMP ブログ記事があります。
Q: t-SNE プロット: xy #s はどういう意味ですか?
A: そのためには、 多変量法クラスタリングまたはクラスタリングの指導に関するビデオを見ることをお勧めします。この場合、25 個の異なる列があり、その多次元空間を 2 に減らしました。これは主成分分析に似ていると考えてください。必要な出力 (またはコンポーネント) の数を選択できます。
Q: フレーズ リストに赤いテキストが表示されることがあります。これは何を意味しますか?
A: ライブラリ内のデフォルトの色を識別します。
このトピックに関する以前のデモで回答された質問:
Q: 「the」のような非常に一般的な単語を無視するように Word Cloud を事前に設定する必要がありますか?
A: JMP が分析から除外するために使用する「the」などの非常に一般的な単語である「ストップワード」のリストがあります。ストップワードの使用と関連トピックに関するドキュメントを参照してください。
Q: 区切り文字付きの txt ファイルをインポートして、列を個別に分析できますか?
A: JMP では、区切りテキスト ファイルを JMP データ テーブルにインポートできます。複数のテキスト列を個別に分析して、各テキスト列ごとに個別の出力を得ることができます。
Q: 彼の例では、赤色が最も頻出する単語を示しているのに、なぜ最も大きい単語は「赤」ではないのでしょうか?
A: この例の色分けの基準となるのは、データ テーブルの平均スコア列です。サイズは、最も頻繁に使用される単語/用語です。この例では、Kemal は、このワード クラウドの色分けをデータ テーブルの平均スコア列によって制御するように指定しました。したがって、Average_score は JMP からではなく、データ テーブルから取得されます。詳細については、 Word Cloud オプションを参照してください。
Q: トークンとは何ですか?
A: トークンは、単語/用語とフレーズ/ケース、またはそれらの組み合わせです。この場合、用語は 15792 個、ケース (またはフレーズ) は 59360 個あり、行ごとに約 17 個あります (ケースあたりのトークンの合計数)。 詳細を参照してください。
トークン化ステージでは、テキストを小文字に変換し、次に「トークン化」方法 (基本単語または正規表現のいずれか) を適用して文字をトークンにグループ化し、指定された再コード定義に基づいてトークンを再コードします。再コードはステミングの前に実行され、レポート ウィンドウで指定された順序に関係なく、再コード操作は 1 回のパスで内部的に処理されることに注意してください。 テキスト処理手順の詳細については、こちらを参照してください。
TokensTokensTokensトークン
Q: ワードクラウドではなくフレーズクラウドを作成できますか?
A: ライブ ウェビナーの後で、JMP 開発者の Xan Gregg @XanGreggに連絡しました。彼は、ワード クラウドは用語クラウドと呼ぶ方が正確かもしれないと提案しました。用語クラウドには用語リスト内のすべての単語が表示されます。多くのフレーズを用語として追加し、ストップワードにして単語を削除すると、フレーズ クラウドが得られると思います。フレーズ クラウドをリクエストする場合は、JMP ソフトウェアウィッシュ リストにリクエストと理由を自由に投稿してください。
Q: 先ほどおっしゃった「ドキュメント クラスタリング」にとても興味があります。何百ものテキスト ドキュメントの中から、どれが類似のグループに属するかを見つけたいのですが、これに関する情報はどこで入手できますか?
A: 潜在クラス分析と潜在意味分析には JMP Pro を使用できます。
Latent Analysis OptionsLatent Analysis OptionsLatent Analysis Options潜在分析オプション
潜在分析の使用方法についての簡単な概要をご覧ください。
A: ドキュメントとは何ですか? また、それを JMP にどのようにインポートしますか?
Q: 各行はドキュメントとみなされ、行としてキャプチャする任意のファイルからインポートします。たとえば、Excel からテキストをインポートできます。この例では、レビューは Excel ファイルの行としてキャプチャされています。
リソース
