Michael Anderson, PhD, Ingegnere di sistemi JMP, SAS
Chris Gotwalt, PhD, JMP Direttore della ricerca statistica e dello sviluppo, SAS
JMP 13 ha introdotto Text Explorer. La nuova piattaforma offre la possibilità di curare testo libero e generare approfondimenti su temi e termini importanti. Sebbene incredibilmente utile, questo è in realtà solo un primo passo per rispondere al problema in questione. Spesso ciò che si desidera realmente fare è identificare le parole chiave in un set di documenti che sono fortemente associate a una particolare risposta, come il comportamento di acquisto o le recensioni dei clienti. In genere ciò viene fatto utilizzando l'analisi del sentiment tradizionale, che si basa su elenchi di parole forniti da fornitori terzi che non prendono in considerazione il contesto specifico in cui si sta lavorando o la popolazione di persone che si è interessati a comprendere. Un approccio alternativo, a volte chiamato analisi del sentiment con apprendimento supervisionato, combina l'analisi del testo con la modellazione predittiva per determinare quali parole e frasi sono più pertinenti al problema specifico in questione. Utilizza i dati per determinare sia la direzione che la forza dell'associazione dei termini nei documenti con la risposta tramite un esercizio di modellazione abbastanza accessibile. Con JMP Pro 13, l'analisi del sentiment nell'apprendimento supervisionato è ora più semplice che mai e lo dimostreremo con una serie di casi di studio tratti da ricerche sui consumatori e da contesti di social media.
Dati del sondaggio sui casinò di Toronto
