Michael Anderson, PhD, ingénieur système JMP, SAS
Chris Gotwalt, PhD, JMP Directeur de la recherche statistique et du développement, SAS
JMP 13 a introduit Text Explorer. La nouvelle plate-forme offre la possibilité de conserver du texte de forme libre et de générer des informations sur les thèmes et les termes importants. Bien qu'incroyablement utile, ce n'est vraiment qu'une première étape pour répondre au problème en question. Souvent, ce que l'on veut vraiment faire, c'est identifier les mots-clés dans un ensemble de documents qui sont fortement associés à une réponse particulière, comme le comportement d'achat ou les avis des clients. Cela se fait généralement à l'aide d'une analyse des sentiments traditionnelle, qui s'appuie sur des listes de mots fournies par des fournisseurs tiers qui ne tiennent pas compte du contexte spécifique dans lequel vous travaillez ou de la population de personnes que vous souhaitez comprendre. Une approche alternative, parfois appelée analyse des sentiments d'apprentissage supervisé, combine l'analyse de texte avec la modélisation prédictive pour déterminer quels mots et expressions sont les plus pertinents pour le problème spécifique à résoudre. Il utilise des données pour déterminer à la fois la direction et la force de l'association des termes dans les documents avec la réponse via un exercice de modélisation assez accessible. Avec JMP Pro 13, l'analyse des sentiments d'apprentissage supervisé est désormais plus facile que jamais, et nous le démontrerons avec une série d'études de cas issues d'études de consommation et de contextes de médias sociaux.
Données du sondage sur les casinos de Toronto
