Vi er alle omgivet af enheder, der kører på internettet. Tidligere var det kun computere, men nu har vi internet på mobiltelefoner og tablets, der er nyttige. På en måde har teknologien ikke kun gavnet virksomheden og gjort vores liv lettere, men har også beriget vores online oplevelse. Det er blevet en platform, hvor folk bruger meget tid, søger viden, udveksler ideer og endda handler!
endelig vs endelig vs afslutning
For eksempel : Når vi ønsker at foretage et køb online / offline, hvad gør vi oprindeligt? Vi gennemsøger forskellige websteder og fora for at se, om folk taler om det. Vi tjekker et par onlinebutikker, der sælger det, vi leder efter. Vi læser gennem de anmeldelser og kommentarer, som mange mennesker har skrevet eller givet udtryk for om produktet og onlinebutikken. Først efter at have gennemgået et stort antal anmeldelser, beslutter vi, om vi vil købe eller ej.
Betydningen af sentimentanalyse
De fleste købsbeslutninger i den virtuelle verden træffes efter at have gennemgået, hvad indflydelsesrige anmeldere og jævnaldrende har at sige om produktet / tjenesten. Dette er grunden til, at virksomhederne nu er tvunget til at se og analysere, hvad folk taler om dem på nettet. Fra virksomhedens perspektiv bliver anmeldelser og kommentarer meget vigtige. Analysering af kommentarer og anmeldelser er derfor noget, som en organisation ikke har råd til at gå glip af.
Men hvad hedder disse kommentarer eller anmeldelser samlet?
Disse kommentarer, meninger og anmeldelser er kendt som 'sentimentdata', og opgaven med at identificere, om kommentarerne og anmeldelserne er positive eller negative, kaldes 'sentimentdata-analyse' eller 'sentimentanalyse'
Sentimentanalyse & R
Sentimentanalyse er et af de fremtrædende træk ved R, som giver værdifuld indsigt til marketingfolk og organisationer, der ønsker at forbedre produktiviteten og optimere deres brand / produkt.
R er den mest omfattende statistiske analysepakke, der er tilgængelig til dette formål. Den integrerer alle standardstatistiske tests, modeller og analyser samt giver et komplet sprog til styring og manipulation af data. De grafiske muligheder for R er fremragende, hvilket giver et fuldt programmerbart grafiksprog, der overgår de fleste andre statistiske og grafiske pakker. Sentimentanalysens styrke sammen med dens grafiske færdigheder gør det til et virkelig kraftfuldt værktøj for en organisation.
Metoder til at analysere 'Sentiment Data'
Der er forskellige metoder til at analysere 'sentimentdata'. Lad os se på hver af dem her.
Dokumentniveau for sentimentanalyse
Meninger er normalt subjektive udtryk, der beskriver folks følelser, vurderinger eller følelser over for en enhed eller en begivenhed. Mange blogs eller fora giver folk mulighed for at udtrykke deres mening i form af anmeldelser og kommentarer. Når meninger udtrykkes i form af anmeldelser, i stedet for et simpelt 'ja' eller 'nej', ville identifikation af de faktiske følelser have brug for en subjektiv analyse af de ord, der blev brugt i anmeldelsen
På dokumentniveau af sentimentanalyse fokuserer hvert dokument på en enkelt enhed eller begivenhed og indeholder udtalelse fra en enkelt meningshaver. Udtalelsen her kan klassificeres i to enkle klasser: Positiv eller negativ (sandsynligvis neutral). For eksempel: En produktanmeldelse: “Jeg købte en ny telefon for få dage siden. Det er en dejlig telefon, selvom den er lidt stor. Berøringsskærmen er god. Stemmens klarhed er bedre. Jeg elsker simpelthen telefonen ”. I betragtning af de ord eller sætninger, der blev brugt i anmeldelsen (pæn, god, bedre, kærlighed), siges den subjektive mening at være positiv. De objektive meninger måles ved hjælp af stjerne- eller afstemningssystemet, hvor 4 eller 5 stjerner er positive og 1 eller 2 stjerner er negative.
Sentence-niveau af sentimentanalyse
For at få et mere raffineret billede af forskellige meninger, der er udtrykt i dokumentet om enhederne, skal vi flytte til sætningsniveauet. Dette niveau af sentimentanalyse - filtrerer de sætninger, der ikke indeholder nogen mening, og - afgør, om udtalelsen om enheden er positiv eller negativ.
Aspektbaseret sentimentanalyse
Dokumentniveau og sætningsniveau sentimentanalyse fungerer godt, når de henviser til en enkelt enhed. Men i mange tilfælde taler folk om enheder, der har mange aspekter eller attributter. De vil også have forskellige meninger om forskellige aspekter. Det sker ofte i produktanmeldelses- og diskussionsfora . For eksempel: “Jeg er en Nokia-telefonelsker. Jeg kan godt lide telefonens udseende. Skærmen er stor og klar. Kameraet er fantastisk. Men der er også få ulemper, batteriets levetid er ikke op til mærket, og adgangen til Whatsapp er vanskelig. ” Kategorisering af positive og negative ved denne anmeldelse skjuler værdifuld information om produktet. Derfor fokuserer den Aspektbaserede sentimentanalyse på anerkendelsen af alle sentimentudtryk i et givet dokument og de aspekter, som udtalelserne henviser til.
Sammenlignende sentimentanalyse
I mange tilfælde udtrykker brugerne deres meninger ved at sammenligne den med et lignende produkt eller mærke. Derfor er målet her at identificere sætninger, der indeholder sammenlignende meninger.
For eksempel : “Jeg kørte Honda Civic, den håndterer ikke bedre end Skoda Superb”
Tilegnelse af følelsesleksikon
Denne metoden analysemetode bruger en liste over ord og udtryk, der bruges til at udtrykke folks subjektive følelser og følelser eller meninger. Det bruger ikke kun bestemte ord, men også sætninger og udtryk. I de andre typer sentimentanalyse har vi set, hvad positive og negative ord er. Lad os tage et eksempel: “Bil X er bedre end bil Y.” Denne sætning udtrykker ikke en mening om, at nogen af de to biler er gode eller dårlige. Derfor analyseres disse typer sætninger / dokumenter ved hjælp af 3 tilgange: Manuel tilgang, ordbogsbaseret tilgang og korpusbaseret tilgang.
hvordan man bruger sas software
Manuel tilgang : Dette er ikke muligt, da det er tidskrævende.
Ordbog baseret tilgang : Denne tilgang bruger 'Word Net' til at finde passende ord i stemningsordet til at udføre analysen.
Corpus-baseret tilgang : Dette bruges til at oprette et domænespecifikt sentimentleksikon til at udføre analysen.
Dette er de forskellige måder at analysere forbrugernes følelser og vide, hvor virksomheden står på markedet!