Лако је квантификовати податке анкете када је реч о вишеструком избору: Користите заокретну табелу да бисте утврдили проценат за сваки одговор. Али шта је са текстовима у слободној форми? Тешко их је обрадити ако их имате на стотине или хиљаде.
Анализа сентимента је машинска метода за предвиђање да ли је одговор позитиван или негативан. Мицрософт нуди алат који врши анализу расположења у програму Екцел. Зове се Азуре машинско учење.
Традиционална анализа расположења захтева да човек анализира и категорише 5% изјава. Екцел користи МПКА Лексикон субјективности. Овај генерички речник укључује 5.097 негативних и 2.533 позитивних речи. Свакој речи је додељен јак или слаб поларитет. Ово одлично функционише за кратке реченице, попут твеетова или постова на Фацебоок-у.
Потражите у групи Додаци на картици Уметање. Прва икона се некада звала Сторе, а сада се зове Ми Аппс. Кликните ту икону и потражите Азуре машинско учење.
Наведите опсег уноса и две празне колоне за опсег излаза.
Наслов за опсег уноса мора се подударати са шемом твеет_тект.
Резултати показују позитиван, негативан или неутралан и процентуални резултат. Ставке близу 99% су врло вероватно позитивне. Ставке близу 0% су врло вероватно негативне.
