| 扬声器 |
抄本 |
| 乐先生 |
大家好，我叫 Tuan Le，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，新冠疫情是过去一年来对我们大多数人来说最具破坏性的事件。幸运的是，我们的科学家相对较快地研制出了疫苗。现在，解决这场危机的挑战在于疫苗的普及。 |
| |
除了可用性和可及性之外，疫苗的采用很大程度上取决于人们的看法。 |
| |
每个人可能对疫苗都有自己的看法，而且我们很容易了解周围其他人的看法。 |
| |
然而，我们社交圈对疫苗的看法可能并不代表普通民众的观点。这正是本分析的意义所在。使用推特 |
| |
我们使用 2020 年 12 月至 2021 年 4 月的数据，对来自世界各地的 60,000 条推文样本进行了分析并提取了见解。 |
| |
我们利用 JMP 识别了在线章节中最受欢迎的疫苗、一些主题和关注点。我们还利用 JMP 16 中新增的情感分析工具进行了此项分析。 |
| |
因此，在开始主要分析之前，我们进行了概述以对样本进行初步了解。 |
| |
数据有几个主要变量，包括用户名、推文净值、推文的主题标签和关注者数量， |
| |
转发量???和推文内容本身。我们看到推文数量 |
| |
三月份的粉丝数量激增。粉丝数量最多的账户属于新闻机构，例如印度的NDTV，其次是名人和网红的账户。本例中的推文均为独家推文；样本中不包括转发推文。 |
| |
我们用于此分析的主要工具是分析菜单下的“文本探索器”文件。这是一个推文探索对话框。 |
| |
在深入探讨推文内容之前，我们先来了解一下主题标签。主题标签会告诉我们用户自己设定的推文主题。推文可以包含多个主题标签，代表多个主题。 |
| |
在文本资源管理器选项中 |
| |
在分析标签时，我们不需要词干提取，所以无需词干提取。标记化方法只是简单的单词。 |
| |
我们继续进行，因为我们已经知道这些推文与 COVID 19 有关，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。 |
| |
因此，我们很快就能发现，排名靠前的术语包含最热门疫苗的名称。它们是 Moderna、Pfizer、 |
| |
卫星公司、阿斯利康。所以，正如你在这里看到的，每种疫苗都可以用多个术语或标签来指代。 |
| |
所以，现在我们知道了最流行的疫苗，我们想更深入地研究一下标签 |
| |
因为保留疫苗类型和国家名称对我们来说没什么实际意义。我们将把这些词添加到停用词词典中，因为它们太突出了，所以…… |
| |
它会淹没其他术语和主题。所以 |
| |
将这些词条添加到停用词词典后，我们使用一个可视化应用程序来查看词云。通过查看词云，我们可以看到最突出的词条是“接种疫苗”、“疫苗有效”和“疫苗拯救生命”。通过这些词云，我们可以初步了解 |
| |
这个话题似乎有积极的情绪。 |
| |
现在我们继续深入研究推文本身。我们执行类似的工作流程。这次我们使用 stem 作为推文内容的合并选项，因为我们希望将具有相同基数的词合并在一起。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，以便我们使用内置表达式和符号（包括标点符号、空格和制表符）来解析文档。 |
| |
因此，完成此步骤后，添加与 COVID 19 相关的停用词以及之前分析中的疫苗名称以及标签， |
| |
我们找出了这些推文中最常用的词。正如我们在这里看到的，排名第一的词是“副作用”。这反映了人们对疫苗的极大担忧， |
| |
这并不奇怪，因为疫苗相对较新，而且研发速度很快。我亲身经历过 |
| |
通过今年夏天与越南的朋友和家人的交谈，我对此深有体会。 |
| |
他们都不反对疫苗，他们都想接种疫苗，战胜新冠病毒，但他们都非常担心和不情愿 |
| |
提前接种某些类型的疫苗。他们都想等待Moderna或辉瑞，因为这两种疫苗的安全性更可靠。而相关的新闻……关于血液凝固问题的报道让他们非常担心。 |
| |
此后，我们对推文集群进行了潜在类别分析，并 |
| |
通过这种聚类，我们发现推文内容可以分为几个主题。 |
| |
关于疫苗部署的讨论。它可能是关于人们接种疫苗的个人故事和感受。它可能是关于人们对疫苗的担忧，推文也可能涉及不同国家的疫情情况。 |
| |
最后，JMP Pro 16 在“文本探索器”的三角形菜单下新增了一个功能，那就是情绪分析。该工具会为每个单词分配一个情绪评分，并考虑 |
| |
修饰语，包括否定词和强化词。否定词包括“不”和“不是”；强化词可以非常非常地“真的”。例如， |
| |
假设这个世界……单词“快乐”被赋予了 60 个积极情绪分数。 |
| |
如果程序看到前面有“no”或“not”等词，则会给出-60的评分。用户也可以手动从此网格中选择一个词，将其添加到词典中，并自行为该词分配情感分数。 |
| |
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单词定制一个情感分数。 |
| |
因此，对这个样本进行分析我们发现 |
| |
JMP 得分高达 7,300 |
| |
推文。其中， |
| |
1. |
| |
我们也可以，而不是从整体上看所有的推文，我们也可以集中精力看一些更具体的东西，比如我们可以看看 |
| |
只查看与特定疫苗相关的推文。例如，我们可以查看仅与Moderna相关的推文。当我这样做时， |
| |
1. 辉瑞也差不多。其他类型的疫苗……我看过的所有疫苗都有 |
| |
净正面推文数量多于负面推文数量，但Moderna和辉瑞的比例最高。其他推文的比例较低，但总体而言，我们可以…… |
| |
我们可以得出这样的结论：总体而言，无论我们谈论的是哪种疫苗，人们对疫苗总体上大多持积极态度。现在 |
| |
综上所述， |
| |
我们发现 |
| |
JMP Pro 中的文本探索器工具功能非常强大，但使用起来非常简单，因此我们可以使用它对任何文本样本进行文本分析并从中提取这些见解。 |
| |
我们在这里得到的有关 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，人们对疫苗的副作用有很大担忧，这可能会让一些人不愿意接种疫苗。 |
| |
我们需要更积极地解决这一问题，采取更好的沟通策略和透明度，以赢得人们的信任和接种疫苗的意愿。 |
| |
以上就是我关于使用 JMP Pro 分析 COVID 19 推文情绪的演示。非常感谢。 |
