JMP 13 JMP 고객에게 흥미로운 새 기능 호스트를 소개했습니다. 가장 기대되는 기능 중 하나는 분석가가 텍스트 데이터의 구조를 이해할 수 있게 해주는 텍스트 탐색기 플랫폼이었습니다. 플랫폼이 개인이 감지할 수 없는(특히 분석에 수천 또는 수백만 개의 텍스트 소스가 포함된 경우) 다수의 텍스트 항목에서 객관적인 통찰력을 드러낼 수 있는 잠재력이 있기 때문에 텍스트 탐색기 주변의 소문은 확실히 정당합니다.
JMP 고객이 텍스트 탐색기를 계속 활용함에 따라 JMP 개발 팀은 플랫폼 사용을 단순화하고 결과의 해석 가능성을 개선하기 위해 노력했습니다. 이러한 개선 사항은 Latent Semantic Analysis 및 Topic Analysis에 특히 중점을 두었으며 JMP Pro 13.2에서 사용할 수 있습니다. 이 게시물에서는 이러한 노력을 간략하게 설명하고 변경 사항이 분석가의 텍스트 탐색기 플랫폼 사용 및 해석을 용이하게 하는 방법을 강조합니다.
변환
잠재 의미 분석 그리고 주제 분석 텍스트 분석을 위한 두 가지 접근 방식입니다. 이전에는 이러한 분석이 JMP에서 다음을 통해 수행되었습니다. 특이값 분해 "중앙화 및 배율 조정", "중앙화" 또는 "비중심화" 문서 용어 행렬(DTM)의 (SVD). DTM은 텍스트 데이터에서 파생된 매트릭스로, 텍스트 문서 내 및 텍스트 문서 전체의 용어 수를 요약합니다. DTM의 SVD는 JMP Pro 사용자가 텍스트 데이터의 기본 차원(일명 특이 벡터)과 이러한 차원의 의미를 설명하는 값(일명 용어 또는 문서 특이 벡터)을 식별할 수 있는 통찰력 있는 결과를 가져왔습니다.
Figure 1. The new look of Latent Semantic Analysis and Topic Analysis, with more intuitive labels and values.Figure 1. The new look of Latent Semantic Analysis and Topic Analysis, with more intuitive labels and values.Figure 1. The new look of Latent Semantic Analysis and Topic Analysis, with more intuitive labels and values.Figure 1. The new look of Latent Semantic Analysis and Topic Analysis, with more intuitive labels and values.그림 1. Latent Semantic Analysis 및 Topic Analysis의 새로운 모습으로 보다 직관적인 레이블과 값을 제공합니다.
13.2에서 구현된 플랫폼의 주요 개선 사항은 "Centered and Scaled" 또는 "Centered" DTM의 SVD를 N-1(N = DTM의 총 행 수) 또는 사용자가 선택한 경우 N으로 나눈 것으로 구성되었습니다. "Uncentered" 스케일링 옵션. 중요한 것은 DTM을 상수(N-1 또는 N)로 나누어도 플랫폼의 결과 패턴이 변경되지는 않지만 결과 추정치를 훨씬 더 해석하기 쉽게 만듭니다.
향상된 해석력
DTM을 N-1 또는 N으로 나눈 덕분에 Latent Semantic Analysis는 이제 다음과 동일합니다. 주성분 분석 (PCA). 마찬가지로 주제 분석은 이제 순환 PCA와 동일합니다(두 플랫폼의 선택 출력은 그림 2 참조). 따라서 용어 특이 벡터는 이제 PCA 컨텍스트의 로딩과 동일하며 결과적으로 "용어 주제 로딩"이라는 레이블이 지정됩니다. 사용자가 Text Explorer에서 스케일링 옵션(기본값)으로 "Centered and Scaled"를 선택하면 결과는 상관관계 매트릭스의 PCA와 동일합니다. 마찬가지로 “Centered”를 선택하면 결과는 공분산 행렬의 PCA와 평행하며, “Uncentered”를 선택하면 비스케일 행렬의 PCA와 같은 결과가 됩니다.
Figure 2. Side-by-side comparison of Topic Analysis and Rotated Principal Components Analysis, which can be accessed through the "Factor Analysis" option in the Principal Components platform.Figure 2. Side-by-side comparison of Topic Analysis and Rotated Principal Components Analysis, which can be accessed through the "Factor Analysis" option in the Principal Components platform.Figure 2. Side-by-side comparison of Topic Analysis and Rotated Principal Components Analysis, which can be accessed through the "Factor Analysis" option in the Principal Components platform.Figure 2. Side-by-side comparison of Topic Analysis and Rotated Principal Components Analysis, which can be accessed through the "Factor Analysis" option in the Principal Components platform.그림 2. Principal Components 플랫폼의 "Factor Analysis" 옵션을 통해 액세스할 수 있는 주제 분석 및 회전된 Principal Components Analysis의 나란히 비교.
이러한 변화가 흥미로운 이유는 무엇입니까?
PCA를 아시나요?이제 PCA에 대해 알고 있는 모든 것을 텍스트 분석으로 변환할 수 있습니다. 여기 예시들이 있습니다 :
- 최적의 주제 선택: 이제 PCA의 모든 지침을 사용하여 적절한 수의 주제를 선택할 수 있습니다. 예를 들어, 팔꿈치를 찾으려면 스크리 플롯 제곱된 특이값(고유값이라고도 함)의 제곱된 특이값의 설명된 분산의 백분율을 합산하여 적절한 비율을 달성하거나 다른 선택 방법을 사용할 수 있습니다.
- 주제의 중요성 이해: "주제 부분"이라고 불렸던 것은 이제 "각 주제로 설명되는 분산"입니다. 값은 동일하지만 이제 값의 해석이 더 직관적입니다. 첫 번째 항목이 데이터 분산의 40%를 설명하는 경우 이 항목이 문서와 매우 관련이 있다는 것을 알 수 있습니다.
- 주제의 의미 해석: 조정 옵션으로 "중앙 및 조정" 또는 "중앙"을 선택하면(각각 상관 관계 및 공분산에 대한 PCA와 동일함) 주제 용어 로드는 특정 용어와 기본 주제의 상관 관계를 나타냅니다. 따라서 높은 값(1에 근접)은 주제의 매우 특징적인 용어를 가리킵니다.
- 추가 분석을 위한 새로운 변수 도출: PCA에서 구성 요소 점수를 계산하여 2차 분석에 사용할 수 있는 것처럼 DTM에 대부분의 정보가 포함되어 있지만 훨씬 더 간결한 구조로 된 문서 주제 점수(이전에는 문서 특이 벡터로 레이블이 지정됨)를 계산할 수 있습니다.
로제타 스톤
Latent Semantic Analysis/Topic Analysis와 PCA/Rotated PCA 간의 변환을 더욱 용이하게 하기 위해 텍스트 탐색기의 Rosetta stone이라고 하는 다음 그림을 만들었습니다(예: 이집트 돌 역사가들이 상형 문자를 이해하는 데 도움이 됨). 동일한 의미를 갖는 보고서에 사용되는 키워드와 함께 Text Explorer 및 PCA 플랫폼에 대한 패널을 포함하고 요인 분석의 특수한 경우가 Rotated PCA와 동일하기 때문에 요인 분석에 대한 패널을 포함합니다(공통성 == 1의 경우, 참조). 이 주제에 대한 내 게시물 ).
Figure 3. The Rosetta stone of Text Explorer, Principal Components, and Factor Analysis platforms. Keywords in each panel are equivalent to those in the same row of other panels. *Not available in the platform as these aren’t normally used.Figure 3. The Rosetta stone of Text Explorer, Principal Components, and Factor Analysis platforms. Keywords in each panel are equivalent to those in the same row of other panels. *Not available in the platform as these aren’t normally used.Figure 3. The Rosetta stone of Text Explorer, Principal Components, and Factor Analysis platforms. Keywords in each panel are equivalent to those in the same row of other panels. *Not available in the platform as these aren’t normally used.Figure 3. The Rosetta stone of Text Explorer, Principal Components, and Factor Analysis platforms. Keywords in each panel are equivalent to those in the same row of other panels. *Not available in the platform as these aren’t normally used.그림 3. Text Explorer, Principal Components 및 Factor Analysis 플랫폼의 Rosetta stone. 각 패널의 키워드는 다른 패널의 같은 행에 있는 키워드와 동일합니다. *일반적으로 사용되지 않으므로 플랫폼에서 사용할 수 없습니다. 그림 3은 한 플랫폼의 용어가 다른 플랫폼의 전문 용어와 어떻게 관련되는지 확인하는 데 도움이 됩니다.
그러니 미루지 말고 업데이트 JMP Pro 13.2로 전환하고 이를 비롯한 기타 개선 사항을 활용하여 JMP !
