JMP ® Pro を使用した派生センチメント分析の演習Michael Anderson 氏、PhD、JMP システム エンジニア、SAS
Chris Gotwalt 博士、JMP、SAS 統計研究開発ディレクター
JMP 13 では Text Explorer が導入されました。 新しいプラットフォームは、自由形式のテキストを厳選し、テーマや重要な用語についての洞察を生成する機能を提供します。 これは非常に便利ですが、実際には、当面の問題を解決するための最初のステップにすぎません。 多くの場合、実際にやりたいことは、購買行動や顧客レビューなどの特定の反応に強く関連する一連のドキュメント内のキーワードを特定することです。 通常、これは従来のセンチメント分析を使用して行われますが、これはサードパーティ ベンダーが提供する単語リストに依存しており、作業している特定のコンテキストや理解したい人々の母集団は考慮されていません。 別のアプローチは、教師あり学習センチメント分析とも呼ばれ、テキスト分析と予測モデリングを組み合わせて、どの単語やフレーズが当面の特定の問題に最も関連しているかを判断します。 データを使用して、かなり親しみやすいモデリング演習を通じて、文書内の用語と回答との関連性の方向と強度の両方を決定します。 JMP Pro 13 を使用すると、教師あり学習のセンチメント分析がこれまでよりも簡単になりました。これを、消費者調査とソーシャル メディアのコンテキストから生まれた一連のケーススタディで実証します。
トロントのカジノ調査データ
テキスト分析、一般化回帰、絵文字を組み合わせると何が起こるかを学びましょう。 以下は、JMP ® Pro で感情分析を行う方法の例です。
データ探索予測モデリング
