의견이나 제품 선택에서 감정 분석하기
방법을 알아보세요:
- 비정형 텍스트 데이터에서 긍정적 또는 부정적 감정을 정량화합니다.
- 어휘 감정 분석의 기본 사항을 이해하세요
- 외부에서 감정을 측정할 수 없는 경우, 각 문서의 개별 단어에서 감정 점수를 매깁니다.
- 감정 사전(일명 "어휘집")을 사용하여 점수를 지정합니다(예: 훌륭함 = +90, 실망함 = -30).
- 개별 감정 표현에 점수를 매겨 문서의 감정을 계산합니다.
- 세 개의 사전 목록을 만드세요. 감정 표현 목록: '훌륭한'과 같이 감정을 나타내는 단어; 강조 표현 목록: '매우'와 같이 감정을 증폭시키는 단어; 부정 표현 목록: '아니다'와 같이 감정의 극성을 반전시키는 단어
- 상황과 분야에 맞게 사전을 사용자 지정하고 점수를 추가하세요.
- 수입 및 수출 사전
- 점수 계산 방식을 이해하세요
- 개별 구문은 다음과 같이 점수가 매겨집니다: 감정 용어 점수 x 강조어 가중치 x 부정(-1)
- 문서 점수는 다음과 같이 매겨집니다. 스케일링: 평균 감정 구문 점수, 최소/최대: 최대 및 최소 감정 점수의 합
- 규칙을 이해하세요
- 단어는 감정, 강조어, 부정어 중 하나의 범주에만 속할 수 있습니다.
- 문서 분석 옵션은 자연어 처리(NLP)를 사용하여 부정어와 강조어를 더 정확하게 할당합니다.
- 어간 추출은 감정 점수에 영향을 미치지 않습니다 (그리고 그럴 만한 이유가 있습니다).
- 이전에 불용어로 지정된 단어가 사전에 추가되면, 텍스트 탐색기 창 내의 모든 분석에서 해당 단어는 일시적으로 불용어 목록에서 제외됩니다.
- 검색 결과 보기
- 감정 분포는 모든 문서에 걸쳐 전반적인 감정 상태를 보여줍니다.
- 감정 용어 목록은 가장 빈번하게 사용되는 감정 용어를 보여주며, 선택한 용어가 포함된 모든 문서를 보려면 클릭하세요.
- 문서 표는 문서별 점수를 표시합니다(설명을 보려면 마우스 커서를 올려놓으세요).
- 텍스트 창에는 용어가 문맥에 맞게 표시됩니다(설명을 보려면 마우스 커서를 올리세요).
- 특징 섹션에서는 감정 관련 용어와 자주 함께 나타나는 용어를 찾아 선택된 특징에 따라 문서의 점수를 다시 매깁니다.
- 다른 분석에 사용할 수 있도록 감정 분석 점수를 내보냅니다.
- 파생 감정 분석의 기본 사항을 이해하세요
- 외부 감정 측정 지표(예: 만족도 평가)를 활용하여 감정 분석을 수행합니다.
- Text Explorer의 용어 선택 기능을 사용하여 문서-용어 행렬(DTM)로 예측되는 감정 측정 모델을 구축합니다.
- 데이터를 사용하여 용어 및 문서 감정 점수를 도출합니다.
- 우리가 놓칠 수 있는 감정 관련 용어를 식별합니다.
- 이 모델은 외부 감정 측정 데이터가 없는 경우에도 향후 텍스트에 적용할 수 있습니다.
- 용어 선택을 사용하여 파생 감정 분석을 실행합니다.
- 명목척도, 순서척도 또는 연속형 반응 변수를 사용하십시오.
- 2개 이상의 레벨을 가진 명목척도는 목표 클래스를 선택해야 합니다(즉, 목표 클래스와 비목표 클래스라는 이진 결과로 축소됨).
- 순서형은 숫자형 데이터 유형이어야 하며, 정규 분포를 따르는 연속형 반응으로 모델링됩니다.
- 추가적인 사전 옵션을 선택하십시오: 추정 및 검증 방법, DTM 가중치, DTM의 최대 항 수)
- 초기 모델 실행 후 일반화 회귀 분석 제어 기능에 접근하여 여러 모델을 구축하고 최적의 모델을 찾으세요.
- 검색 결과 보기
- 최상위 요약은 감정 분석과 유사합니다.
- '기여도'는 응답 척도(예: 로그 확률)를 나타내는 일반적인 용어입니다.
- 문서의 기여도 값은 항 계수(회귀 모델 계수)의 합입니다.
- LogWorth라는 용어는 p-값의 함수입니다 (LogWorth 값이 높을수록 p-값이 낮습니다).
자원
Sentiment Summary감정 요약감정 요약
예측 모델링 및 머신 러닝
