使用 JMP® Pro 中的文本挖掘功能对消费者反馈进行建模 ( US 2018 109 )级别：中级
曲善康，百事公司统计师
王木木，百事公司高级科学家/统计学家
本研究旨在使用监督学习情绪分析来评估客户评论和购买行为。从消费者对饮料产品的反馈和评论中收集的逐字记录（即文本数据）被分为投诉、赞扬和建议等类别。通过使用 JMP Pro 创建的文本挖掘模型，我们展示了混合算法实施的可行性，其中手工构建的分类器与从数据中进行的经验学习相结合。自动化系统将算法与传入的语音记录反馈和累积的逐字记录联系起来，并将文档归类为三个类别之一。算法会根据新数据和经验进行调整，以随着时间的推移提高预测质量。我们的服务关联了来自消费者的 7,507 份手动编码文档，这些文档来自电话、电子邮件、社交媒体、聊天和电子商务。在本演示中，我们将展示如何使用神经网络等方法构建文本挖掘模型。在混淆矩阵中，我们在训练中实现了 6% 的错误分类率，在验证中实现了 11% 的错误分类率。使用引导森林和名义逻辑模型获得的比率略高。将建模结果与原始编码逐字比较，我们还发现了一些数据输入问题。这些模型经过训练可以捕获人类错误分类的文档。
