El Explorador de texto es útil para explorar texto no estructurado, como campos de respuesta libre de encuestas o informes de incidentes, para comprender su significado. Suele ser un proceso iterativo, en el que se alterna entre la selección y el análisis de una lista de términos y frases.
Kemal @kemal_oflus , Olivia @O_Lippincott y Ross @Ross_Metusalem respondieron preguntas en los seminarios web en vivo:
P: ¿Cómo puedo ver el menú del Explorador de texto?
A: En Archivo>Preferencias, haga clic en el grupo Menú a la izquierda. Compruebe si la opción “Modelado avanzado” está marcada o no. Si no lo está, marque la casilla y haga clic en Aceptar. Las preferencias de menú le permiten mostrar u ocultar elementos de menú para personalizar su interfaz JMP.
P: ¿Es posible establecer una preferencia de usuario para que siempre se use de manera predeterminada un diseño centrado para la nube de palabras?
R: Sí, en Archivo > Preferencias puede configurar preferencias específicas de la plataforma. En la plataforma Text Explorer, en las preferencias, existe una opción para cambiar el diseño predeterminado a centrado para la nube de palabras.
P: ¿Podría explicar cómo configurar correctamente la columna binaria y su uso para análisis?
R: La matriz de términos del documento proporciona una columna binaria para cada término de la lista de términos. Esto convierte el texto en un conjunto de datos numéricos que se puede utilizar para crear modelos o gráficos. Consulte también la sección de preguntas y respuestas del video en el minuto 32:20 para obtener más detalles.
P: ¿Qué es Local en la Matriz de Términos del Documento?
A: Local utiliza palabras vacías solo en la plataforma Text Explorer actual. Si desea utilizar las palabras vacías con otro conjunto de datos u otro lanzamiento de la plataforma con la tabla actual, puede crear una biblioteca de usuarios con la opción de usuario. Vea también la sección de preguntas y respuestas en el video en el minuto 32:20 para obtener más detalles.
P: ¿Puedo usar RegEx para explorar texto?
R: Sí. Una publicación de blog sobre limpieza de datos brinda cierta información, al igual que esta presentación de Discovery Summit .
P: El presentador utilizó ponderación binaria en el análisis de texto inicial, pero utilizó TF IDF para el análisis SVD. ¿Debería seguir utilizando una ponderación durante todo el análisis o es útil utilizar diferentes ponderaciones para diferentes partes del análisis?
A: TF IDF es la ponderación predeterminada para un análisis SVD. El valor predeterminado es binario, a menos que se haya ejecutado un análisis SVD. Las otras opciones de ponderación tienen casos de uso específicos. Vea también la sección de preguntas y respuestas en el video en el minuto 32:20 para obtener más detalles.
P: ¿Ha considerado agregar una función para texto “codificado”/criptografía para ayudar a reconocer y analizar patrones en texto codificado?
R: Parte de esto se puede solucionar mediante el uso de expresiones regulares personalizadas. Hay una opción para esto en la ventana de inicio inicial. Allí, puede enseñarle a JMP cómo identificar muchos patrones y qué hacer cuando los encuentre.
P: ¿Puedes hacer una nube de palabras para las frases en lugar de las palabras?
R: La nube de palabras utiliza la lista de términos para generar la nube de palabras. Si agrega frases a la lista de términos como hizo Kemal en el ejemplo, la nube de palabras también mostrará las frases.
P: ¿Le parece que cambia las opciones predeterminadas del explorador de texto (máximo de caracteres por palabra, derivación, máximo de palabras por frase)? Normalmente las dejo así y me pregunto si es importante cambiarlas.
R: En la mayoría de los casos, los dejo así, excepto por el mínimo de caracteres por palabra. Los expertos en la materia pueden hacer aportes en este sentido. Si desea personalizar una expresión regular y tiene algunos términos únicos, puede personalizarla. Vea el video a continuación.
P: ¿El análisis de sentimientos solo está disponible en JMP Pro?
R: Sí, consulte más información sobre el análisis de sentimientos usando JMP Pro.
P: ¿Tiene algún consejo para trabajar con expresiones regulares personalizadas con JMP y análisis de texto? Me doy cuenta de que paso mucho tiempo intentando hacer esto y obtengo resultados limitados.
R: Ofrecemos un curso sobre análisis de texto que puede resultarle útil. Incluye varios ejemplos de cómo utilizar expresiones regulares. Hay una publicación en el blog de JMP sobre expresiones regulares para limpiar datos que se publicará en un blog de la comunidad de JMP .
P: Gráfico t-SNE: ¿qué significan los números xy?
R: Para eso, recomendaría ver un video sobre el método de agrupamiento multivariado o sobre cómo enseñar el agrupamiento . En este caso, teníamos 25 columnas diferentes y redujimos ese espacio multidimensional a 2. Piense en esto como algo similar a los componentes principales. Puede elegir cuántos resultados (o componentes) desea.
P: A veces aparece texto en rojo en la lista de frases. ¿Qué significa eso?
A: Identifica un color predeterminado en nuestra biblioteca.
Preguntas respondidas en una demostración anterior sobre este tema:
P: ¿Es necesario preconfigurar la nube de palabras para ignorar palabras muy comunes, como "el"?
R: Hay una lista de "palabras vacías" que son palabras muy comunes, como "the", que JMP utiliza para excluir del análisis. Consulte la documentación sobre el uso de palabras vacías y temas relacionados .
P: ¿Podemos importar archivos txt delimitados y analizar columnas individualmente?
A: JMP puede importar archivos de texto delimitados a una tabla de datos JMP. Puede analizar varias columnas de texto individualmente, lo que generaría un resultado independiente para cada columna de texto.
P: En su ejemplo, si el color rojo muestra la palabra más frecuente, ¿por qué la palabra más grande no es "roja"?
A: La columna de puntuación promedio en la tabla de datos es la base para la coloración en su ejemplo. El tamaño es la palabra o término más frecuente. En este ejemplo, Kemal especificó que la coloración de esta nube de palabras debe ser controlada por la columna Puntuación promedio de la tabla de datos. Por lo tanto, la puntuación promedio no proviene de JMP, sino de la tabla de datos. Vea más sobre las opciones de la nube de palabras .
P: ¿Qué son los tokens?
R: Los tokens son palabras/términos más frases/casos o una combinación de ellos. En este caso, tenía 15792 términos, 59360 casos (o frases) y aproximadamente 17 de estos por fila (total de tokens por caso). Ver más detalles.
La etapa de tokenización convierte el texto a minúsculas, luego aplica un método de "Tokenización" (ya sea Palabras básicas o Expresiones regulares) para agrupar caracteres en tokens y luego recodifica los tokens según las definiciones de recodificación especificadas. Tenga en cuenta que la recodificación se produce antes de que las operaciones de lematización y recodificación se procesen internamente en una sola pasada, independientemente del orden en que se especifiquen en la ventana del informe. Obtenga más información sobre los pasos de procesamiento de texto .
TokensTokensTokensFichas
P: ¿Puedes crear una nube de frases en lugar de una nube de palabras?
R: Nos comunicamos con el desarrollador de JMP, Xan Gregg @XanGregg , después del seminario web en vivo. Sugirió que la nube de palabras podría llamarse con más precisión nube de términos. Muestra todas las palabras en la lista de términos. Supongo que podría agregar muchas frases como términos y eliminar palabras convirtiéndolas en palabras vacías, y luego obtendría una nube de frases. Si está interesado en solicitar nubes de frases, no dude en publicar la solicitud y la justificación en la lista de deseos de software de JMP.
P: Estoy muy interesado en la "agrupación de documentos" que mencionó antes. ¿Dónde puedo encontrar información sobre esto entre cientos de documentos de texto y quiero saber cuáles están en un grupo similar?
R: Puede utilizar JMP Pro para el análisis de clases latentes y el análisis semántico latente .
Latent Analysis OptionsLatent Analysis OptionsLatent Analysis OptionsOpciones de análisis latente
Vea esta breve descripción general sobre cómo utilizar los análisis latentes.
A: ¿Qué son los documentos y cómo se importan a JMP?
P: Cada fila se considera un documento y se puede importar desde cualquier archivo que la capture en filas. Por ejemplo, se puede importar el texto desde Excel. En este ejemplo, las reseñas se capturaron como filas en un archivo de Excel.
Recursos
