Анализа расположења у програму Екцел! Мицрософт Лабс нуди бесплатни додатак који ће вам омогућити анализу расположења у програму Екцел. Шта ако треба да прођете кроз стотине коментара анкете да бисте видели шта људи мисле о вашој компанији? Екцел може да додели вероватноћу која показује колико је сваки коментар позитиван или негативан.
Погледајте видео
- Лако је квантификовати податке анкете када се ради о вишеструком избору
- Помоћу заокретне табеле можете утврдити колики проценат има сваки одговор
- Али шта је са текстовима у слободној форми? Тешко их је обрадити ако их имате на стотине или хиљаде.
- Анализа расположења је машинска метода за предвиђање да ли је одговор позитиван или негативан.
- Мицрософт нуди алат који врши анализу расположења у програму Екцел - Азуре машинско учење.
- Традиционална анализа расположења захтева да човек анализира и категорише 5% изјава.
- Традиционална анализа расположења није флексибилна - израдићете речник за сваку индустрију.
- Екцел користи МПКА Субјективност Лексикон (о томе прочитајте на хттп: // бит. Ли / 1СРНевт)
- 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
- Може се заварати двоструким негативима
- Да бисте инсталирали, идите на Инсерт, Екцел Сторе, 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
- Пратећи чланак на: хттп://сфмагазине.цом/пост-ентри/маи-2016-екцел-сентимент-аналисис/
Видео транскрипт
Научите Екцел из Подцаста, епизода 2062: Анализа расположења у програму Екцел
Ох, хеј, била је ноћ захвалности и седели смо око пите од бундеве и Јес, наш пријатељ, почео је да говори о анализи сентимента на подацима на Твиттер-у. А ја сам рекао, „Хеј, знаш да Екцел може да уради анализу расположења.“ И схватио сам да нисам имао добар видео запис о овом или било који други видео запис о овоме, тако да је овај видео о анализи сентимента у програму Екцел.
Сад је прво питање, шта је додјавола анализа сентимента? А ако направите анкету о својим купцима и они имају вишеструки избор, где могу да бирају од 1 до 5, то је заиста јако лако анализирати. Можете само направити малу заокретну табелу: Уметните заокретну таблицу, Постојећи радни лист овде, кликните на дугме У реду. Желимо да знамо тамошње питање или одговор на питање, а затим колико је одговора било за свако, и то нам даје апсолутни број. Можете чак и овде да уђете и промените ово из Подешавања поља у Покажи вредности као% укупног броја колоне, тако.
У реду, тако да можете видети за сваки одговор колики проценат људи добија одговор. У реду, али анализа сентимента је за случај када имате заиста дугачак одговор где кажете: „Хеј, добро, добро, знаш, реци нам зашто си нам дао тај одговор?“ А они, знате, користе реченице или пасусе. Па, ако их имате стотине или хиљаде, врло је тешко некоме то проћи и прочитати све и схватити шта се дешава, у реду?
Дакле, постоје две различите врсте анализе сентимента. У прошлости бисте обично користили алгоритам учења под надзором човека. Дакле, ако сте имали 5.000 одговора, прођите, знате, 200 од њих и одаберите позитивне и негативне речи и фразе. У основи градите речник позитивних и негативних речи; али, знате, ово је било врло ограничавајуће. Ако сте ово урадили за место које је радило поправке аутомобила, а затим сте имали другог купца, знате, ко је радио чишћење тепиха, та два речника су потпуно различита. Машинско учење или учење под надзором човека морате изводити изнова и изнова. Дакле, Екцел користи ову ствар која се зове МПКА Субјективни лексикон и то можете да прогуглате. Има информације о томе - 5.097 негативних речи, 2533 позитивних речи. И тако,одлично функционише за кратке реченице или твитове или објаве на Фацебоок-у. Али једна ствар коју сам приметио је да ако неко пише у двоструким негативима, не могу да кажем да не мрзим ову функцију, па, машинско учење ће тамо пропасти. И доврага, не успевам. Не знам да ли су срећни или не.
У реду, па ево шта радимо. У програму Екцел 2013 или Екцел 2016 идите на картицу Уметање, идите у продавницу, када се у пољу за претрагу појави претрага за Азуре Мацхине и тамо ћете добити Азуре Мацхине Леарнинг. Кликнемо Додај. У реду, и овде постоје два различита алата: Титаниц Сурвивор Предицтор, што је забавно; и, додатак за Екцел Тект Сентимент за анализу. Искористимо ону. У реду, ево неколико ствари које ће вас спотакнути. Ваш наслов: Узмите пасус да бисте објаснили свој одговор. Треба да се подудара са шемом, а шема каже да наслов мора да каже твеет_тект. Дакле, овде горе: твеет_тект, наравно, велика и мала слова, у реду. А затим затворите шему, а затим предвиђање, унос: А1 до 100, Моји подаци имају заглавља, Излаз: ДатаБ1, Укључите заглавља. Даће нам 2 колоне.Обавезно имајте 2 празне колоне; у супротном ће заменити податке. Имате 2 избора: неколико редова одједном или као пакет. Ово је само стотинак, па стварно није важно. Ја ћу изабрати Предицт и БАМ! Само тако брзо.
У реду, сада добијамо 2 колоне: добијамо Сентимент и Сцоре, у реду. Дакле, представимо резултате овде као проценте са гомилом децималних места. У реду, дакле 47.496, ово иде од 0 до 100%. Близу 100 је изузетно позитивно, близу 0 је крајње негативно, у реду? Па ево, имамо једног код кога постоји мањи проблем, излуђује ме. Не могу да пронађем решење, па можете да видите зашто је то оцењено као изузетно негативно. Погледајмо један који је крајње позитиван. У реду, тако да знате, зато овде имамо неколико срећних речи: молим вас и хвала вам, ускличници и тако даље. То би могло да допринесе високом резултату. У реду, па је ли савршено? Не, али пружиће вам брз, брз начин да вам кажете, знате, колико је људи изузетно срећних или крајње негативних у вези са тим одговорима.
И наравно, опет, овде то можемо да урадимо са пивот табелом: Уметни, Пивот табела, иди на постојећи радни лист управо овде, кликни на ОК и занима нас Сентимент, а онда је можда са просечном оценом за сваки од тих. Дакле, променићемо ово у Подешавањима поља у Просек, кликните У реду. И тако, или можда чак и гроф. Претпостављам да бисмо желели да знамо грофа, колико људи. Дакле, узећемо неко друго поље, и тако, знамо колико је људи било негативно. Оох, колико је људи било неутрално, колико је било позитивних и колики је био просечан резултат сваког од њих.
У реду, па ако имате податке о анкети и ако је реч о вишеструком избору, једноставно је користити пивот табелу да бисте утврдили колики проценат има сваки одговор. Али за текстуалне одговоре у слободној форми тешко је обрадити. Ако их имате стотине или хиљаде, анализа сентимента је машински заснована метода за предвиђање да ли је одговор позитиван или негативан. Мицрософт нуди бесплатан алат за ово. Ради у програму Екцел 2013 или Екцел 2016, названом Азуре Мацхине Леарнинг. Обично је потребно ручно проћи и категоризовати 5% изјава. Није флексибилан, морате да извршите поновну категоризацију за сваки нови скуп података, али Екцел користи овај Лексикон субјективности МПКА. То је генерички речник. Успеће за кратке реченице, твитове, објаве на Фејсбуку. Могу се преварити двоструким негативима. Дакле, само идите у Екцел Сторе,потражите Азуре машинско учење. Наведите улаз и две колоне за опсег излаза. Не заборавите да промените наслов тако да одговара схеми, твеет_тект, у овом конкретном случају.
У реду, па изволи. Следећи пут када будете имали велику количину података за анализу, погледајте Азуре Мацхине Леарнинг, бесплатни додатак за Екцел 2013. Хвала вам што сте навратили, видимо се следећи пут за још једно емитовање са.
Скини докуменат
Преузмите датотеку узорка овде: Подцаст2062.клсм
