Derivación de sentimientos a partir de opiniones o elecciones de productos
Vea cómo:
- Cuantificar el sentimiento positivo o negativo en datos de texto no estructurados.
- Comprender los fundamentos del análisis de sentimientos léxicos
- Calcula el sentimiento a partir de palabras individuales en cada documento cuando no hay disponible ninguna medida externa de sentimiento.
- Utiliza un diccionario de sentimientos (también conocido como "léxico") que especifica puntuaciones (por ejemplo, maravilloso = +90, decepcionado = -30).
- Puntuará cada frase de sentimiento para calcular el sentimiento del documento.
- Crea tres listas de diccionario: Término de sentimiento: un término que expresa sentimiento, como 'maravilloso'; Término intensificador: multiplicador de sentimiento, como 'muy'; Término negador: inversión de la polaridad del sentimiento, como no
- Personaliza los diccionarios según tu situación y dominio, y añade puntuaciones.
- Diccionarios de importación y exportación
- Comprender la puntuación
- Las frases individuales se puntúan de la siguiente manera: Puntuación del término de sentimiento x ponderación del intensificador x negación (-1)
- Los documentos se puntúan: Escalado: puntuación media de sentimiento por frase y Mín/Máx: suma del sentimiento máximo y mínimo
- Comprender las reglas
- Un término solo puede pertenecer a una clase: sentimiento, intensificador o negador.
- La opción Analizar documentos utiliza el procesamiento del lenguaje natural (PLN) para asignar mejor los negadores y los intensificadores.
- La derivación de raíces no afecta las puntuaciones de sentimiento (y con razón).
- Si se agrega al diccionario una palabra vacía previamente declarada, se elimina temporalmente como palabra vacía en todos los análisis dentro de la ventana del Explorador de texto.
- Explorar resultados
- La distribución de sentimientos proporciona una visión general del sentimiento en todos los documentos.
- La lista de términos de sentimiento muestra los términos de sentimiento más frecuentes y puede hacer clic para explorar todos los documentos con el/los término(s) seleccionado(s).
- La tabla de documentos presenta una puntuación a nivel de documento (pase el cursor por encima para ver las explicaciones).
- El panel de texto muestra los términos en contexto (pase el cursor por encima para ver las explicaciones).
- La sección de características encuentra términos que aparecen frecuentemente junto con términos de sentimiento y vuelve a calificar los documentos con respecto a las características seleccionadas.
- Exportar puntuaciones de sentimiento para su uso en otros análisis.
- Comprender los fundamentos del análisis de sentimientos derivado.
- Utiliza una medida de sentimiento externa (por ejemplo, una calificación de satisfacción) para impulsar el análisis de sentimientos.
- Utiliza la función de selección de términos de Text Explorer para construir un modelo de medición de sentimiento predicho por la matriz documento-término (DTM).
- Utiliza datos para derivar puntuaciones de sentimiento de términos y documentos.
- Identifica términos de sentimiento que de otro modo podríamos pasar por alto
- El modelo se puede aplicar a textos futuros, incluso cuando no se dispone de una medida de sentimiento externa.
- Ejecutar el análisis de sentimiento derivado mediante la selección de términos.
- Utilice variables de respuesta nominales, ordinales o continuas.
- Los valores nominales con más de dos niveles requieren elegir la clase objetivo (es decir, se reducen a un resultado binario de objetivo frente a no objetivo).
- Ordinal debe ser un tipo de dato numérico, se modela como una respuesta continua con distribución normal.
- Seleccione opciones adicionales por adelantado: Métodos de estimación y validación, Ponderación del DTM, Número máximo de términos en el DTM.
- Acceda a los controles de regresión generalizada después de ejecutar el modelo inicial y cree múltiples modelos para encontrar el mejor.
- Explorar resultados
- El resumen de nivel superior es similar al análisis de sentimientos.
- 'Contribución' es un término genérico para la escala de respuesta (por ejemplo, logaritmo de probabilidades).
- Los valores de contribución del documento son la suma de los coeficientes de los términos (coeficiente del modelo de regresión).
- El término LogWorth es una función del valor p (un LogWorth más alto corresponde a un valor p más bajo).
Recursos
Sentiment SummaryResumen de sentimientoResumen de sentimiento
Modelado predictivo y aprendizaje automático
