안녕하세요. 귀하의 프로세스를 이해하고 있는지 확인할 수 있도록 작은 '데이터 스 니펫'을 제공 할 수 있는지 궁금합니다. 멋져 보입니다.감사합니다. Jim Grayson (Hull College, Augusta University)
레벨 : 중급
Shankang Qu, 통계 학자, PepsiCo
Mumu Wang, 수석 과학자 / 통계가, PepsiCo
이 연구는지도 학습 정서 분석을 사용하여 고객 리뷰 및 구매 행동을 평가하기위한 것입니다. 음료 제품에 대한 소비자 피드백 및 의견에서 수집 된 축어 (즉, 텍스트 데이터)는 불만, 칭찬 및 제안과 같은 범주로 분류됩니다. JMP Pro로 만든 텍스트 마이닝 모델을 통해 우리는 손으로 만든 분류 기가 데이터에서 경험적 학습과 결합되는 하이브리드 알고리즘 구현의 타당성을 입증했습니다. 자동화 된 시스템은 알고리즘을 누적 된 그대로 음성으로 녹음 된 피드백에 연결하고 문서를 세 가지 범주 중 하나로 분류합니다. 알고리즘은 시간이 지남에 따라 예측 품질을 개선하기 위해 새로운 데이터 및 경험에 대응하여 조정됩니다. 당사의 서비스 직원은 전화, 이메일, 소셜 미디어, 채팅 및 전자 상거래를 통해 소비자로부터 7,507 개의 문서를 수동으로 코딩했습니다. 이 프레젠테이션에서는 신경망과 같은 접근 방식을 사용하여 텍스트 마이닝 모델을 구축하는 방법을 보여줍니다. 혼동 행렬에서 우리는 훈련에서 6 %의 오 분류 율과 검증에서 11 %를 달성했습니다. 부트 스트랩 포리스트와 명목 물류 모델을 사용하여 약간 더 높은 비율을 얻었습니다. 모델링 결과와 원래 코딩을 그대로 비교해 보면 데이터 입력 문제도 발견되었습니다. 모델은 인간이 잘못 분류 한 문서를 캡처하도록 훈련되었습니다.
