Ricavare sentimenti da opinioni o scelte di prodotto
Scopri come:
- Quantificare il sentimento positivo o negativo nei dati testuali non strutturati
- Comprendere i principi fondamentali dell'analisi lessicale del sentiment.
- Calcola il sentiment delle singole parole in ogni documento quando non è disponibile alcuna misurazione esterna del sentiment.
- Utilizza un dizionario di sentimenti (detto anche "lessico") che specifica i punteggi (ad esempio, meraviglioso = +90, deluso = -30)
- Valuta il sentiment di ogni singola frase per calcolare il sentiment del documento.
- Crea tre elenchi di dizionario: termine di sentimento: un termine che esprime sentimento come 'meraviglioso'; termine intensificatore: moltiplicatore di sentimento come 'molto'; termine negatore: inversione della polarità del sentimento come non
- Personalizza i dizionari in base alla tua situazione e al tuo ambito, e aggiungi punteggi.
- Importazione ed esportazione di dizionari
- Comprendere il sistema di punteggio
- Le singole frasi vengono valutate come segue: punteggio del termine di sentimento x ponderazione dell'intensificatore x negazione (-1)
- I documenti vengono valutati: Scalato: punteggio medio della frase di sentimento e Min/Max: somma del sentimento massimo e minimo
- Comprendere le regole
- Un termine può appartenere a una sola classe: sentimento, intensificatore o negatore
- L'opzione "Analizza documenti" utilizza l'elaborazione del linguaggio naturale (NLP) per assegnare meglio negatori e intensificatori.
- La stemming non influisce sui punteggi di sentiment (e per una buona ragione).
- Se una parola da escludere precedentemente dichiarata viene aggiunta al dizionario, viene temporaneamente rimossa come parola da escludere in ogni analisi all'interno della finestra Esplora testo.
- Esplora i risultati
- La distribuzione del sentiment fornisce una visione d'insieme del sentiment su tutti i documenti
- L'elenco dei termini di sentimento mostra i termini di sentimento più frequenti e puoi fare clic su di essi per visualizzare tutti i documenti contenenti i termini selezionati.
- La tabella dei documenti presenta il punteggio assegnato a ciascun documento (passa il mouse sopra per visualizzare le spiegazioni).
- Il riquadro di testo mostra i termini nel loro contesto (passa il mouse sopra per visualizzare le spiegazioni).
- La sezione Caratteristiche individua i termini che ricorrono frequentemente insieme ai termini relativi al sentimento e riassegna un punteggio ai documenti in base alle caratteristiche selezionate.
- Esporta i punteggi di sentiment per utilizzarli in altre analisi.
- Comprendere i principi fondamentali dell'analisi del sentiment derivata
- Utilizza misure di sentiment esterne (ad esempio, il punteggio di soddisfazione) per guidare l'analisi del sentiment
- Utilizza la funzione di selezione dei termini di Text Explorer per costruire un modello di misurazione del sentiment previsto dalla matrice documento-termine (DTM).
- Utilizza i dati per ricavare punteggi di sentiment relativi a termini e documenti.
- Identifica i termini relativi al sentimento che altrimenti potremmo non notare
- Il modello può essere applicato a testi futuri, anche in assenza di una misurazione esterna del sentiment.
- Eseguire l'analisi del sentiment derivato utilizzando la selezione dei termini
- Utilizzare variabili di risposta nominali, ordinali o continue.
- Il caso nominale con più di 2 livelli richiede la scelta della classe target (ovvero si riduce a un risultato binario di target vs non target).
- Ordinale deve essere un tipo di dati numerico, modellato come risposta continua con distribuzione normale
- Selezionare opzioni aggiuntive iniziali: Metodi di stima e validazione, Ponderazione DTM, Numero massimo di termini nel DTM)
- Accedere ai controlli di regressione generalizzata dopo aver eseguito il modello iniziale e costruire più modelli per trovare il migliore
- Esplora i risultati
- Il riepilogo di livello superiore è simile all'analisi del sentiment
- Il termine "contributo" è un termine generico per indicare una scala di risposta (ad esempio, logaritmo delle probabilità).
- I valori di contributo del documento sono la somma dei coefficienti del termine (coefficiente del modello di regressione)
- Il termine LogWorth è una funzione del valore p (un LogWorth più alto corrisponde a un valore p più basso).
Risorse
Sentiment SummaryRiepilogo del sentimentRiepilogo delle opinioni
Modellazione predittiva e apprendimento automatico
