Анализ на настроението в Excel! Има безплатна добавка от Microsoft Labs, която ще ви позволи да направите анализ на настроенията в Excel. Какво ще стане, ако трябва да преминете през стотици коментари на анкети, за да видите какво мислят хората за вашата компания? Excel може да зададе вероятност, показваща колко положителен или отрицателен е всеки коментар.
Гледам видео
- Лесно е да се изчислят количествено данните от проучването, когато това е избор от множество възможности
- Можете да използвате обобщена таблица, за да разберете какъв процент има всеки отговор
- Но какво ще кажете за текстовите отговори в свободна форма? Те са трудни за обработка, ако имате стотици или хиляди от тях.
- Анализът на настроението е машинен метод за прогнозиране дали отговорът е положителен или отрицателен.
- Microsoft предлага инструмент, който извършва анализ на настроенията в Excel - машинно обучение Azure.
- Традиционният анализ на настроенията изисква човек да анализира и категоризира 5% от твърденията.
- Традиционният анализ на настроенията не е гъвкав - ще възстановите речника за всяка индустрия.
- Excel използва MPQA Subjectivity Lexicon (прочетете за това на http: // bit. Ly / 1SRNevt)
- Този общ речник включва 5097 отрицателни и 2533 положителни думи
- На всяка дума се приписва силна или слаба полярност
- Това работи чудесно за кратки изречения, като Tweets или публикации във Facebook
- Той може да се заблуди от двойни отрицания
- За да инсталирате, отидете на Insert, Excel Store, потърсете машинно обучение Azure
- Посочете входен диапазон и две празни колони за изходния диапазон.
- Заглавието за входния диапазон трябва да съответства на схемата: tweet_text
- Придружаваща статия на: http://sfmagazine.com/post-entry/may-2016-excel-sentiment-analysis/
Видео транскрипция
Научете Excel от Podcast, епизод 2062: Анализ на настроението в Excel
О, ей, беше Деня на благодарността и ние седяхме около тиквения пай и Джес, наш приятел, започна да говори за анализ на настроенията в данните в Twitter. И аз казах: „Хей, знаеш, че Excel има начин да направи анализ на настроенията.“ И разбрах, че нямам добро видео за това или каквото и да е видео за това, така че това видео е за извършване на анализ на настроенията в Excel.
Сега първият въпрос е, какво, по дяволите, е анализът на настроенията? И ако направите проучване на вашите клиенти и те имат избор от множество възможности, където могат да избират от 1 до 5, е, това е наистина, много лесно да се анализира. Можете просто да създадете малка обобщена таблица: Поставете обобщена таблица, Съществуващ работен лист точно тук, щракнете върху OK. Искаме да знаем въпроса там или отговора на въпроса и след това колко отговора имаше за всеки един и това ни дава абсолютния брой. Можете дори да влезете тук и да промените това от Настройки на полето на Показване на стойности като% от общата колона, така.
Добре, така че можете да видите за всеки отговор какъв процент от хората получават отговор. Добре, но анализът на настроенията е, когато имате наистина дълъг отговор, където казвате: „Хей, добре, добре, знаеш ли, кажи ни защо ни даде този отговор?“ И те, знаете ли, използват изречения или абзаци. Е, ако имате стотици или хиляди такива, е много трудно някой да премине през тях и да ги прочете всички и да разбере какво става, нали?
Така че има два различни вида анализ на настроенията. Обикновено в миналото сте използвали контролиран от човека алгоритъм за обучение. Така че, ако сте имали 5000 отговора, преминете, знаете, 200 от тях и изберете положителните и отрицателните думи и фрази. По същество изграждате речник на положителните и отрицателните думи; но знаете ли, това беше много ограничаващо. Ако сте направили това за място, което е извършвало ремонт на автомобили и след това сте имали друг клиент, знаете ли, който е правил почистване на килими, тези два речника са напълно различни. Трябва да правите машинно обучение или контролирано от човека обучение отново и отново и отново. И така, Excel използва това нещо, наречено MPQA Subjectivity Lexicon и можете да го потърсите в Google. Той разполага с информацията за него - 5097 отрицателни думи, 2533 положителни думи. И така,работи чудесно за кратки изречения или туитове или публикации във Facebook. Но едно нещо, което забелязах, е, че ако някой пише с двойни негативи, не мога да кажа, че не мразя тази функция, е, там машинното обучение ще се провали. И по дяволите, не успявам. Не мога да разбера дали са щастливи или не.
Добре, ето какво правим. В Excel 2013 или Excel 2016 отидете в раздела Вмъкване, отидете в Магазина, когато полето за търсене се появи за търсене на Azure Machine и ще получите Azure Machine Learning точно там. Щракваме върху Добавяне. Добре, и два различни инструмента тук: Titanic Survivor Predictor, което е забавно; и текстовата настройка за анализ на добавката Excel. Нека използваме този. Добре, ето няколко неща, които ще ви спънат. Вашето заглавие: Вземете параграф, за да обясните отговора си. Трябва да съответства на схемата и схемата казва, че заглавието трябва да казва tweet_text. И така, тук горе: tweet_text, разбира се, чувствителни към регистъра въпроси, добре. И след това затворете схемата и след това Predict, Input: A1 to 100, My data has headers, Output: DataB1, Include the headers. Ще ни дадат 2 колони.Уверете се, че имате 2 празни колони там; в противен случай ще замени данните. Имате 2 възможности за избор: Няколко реда наведнъж или Като партида. Това са само сто, така че наистина няма значение. Ще избера Predict и BAM! Толкова бързо.
Добре сега, получаваме 2 колони: получаваме Sentiment и Score, добре. И така, нека представим резултатите тук като проценти с куп десетични знаци. Добре, така че 47.496, това е от 0 до 100%. Близо до 100 е изключително положително, близо до 0 е изключително отрицателно, нали? И така, имаме такъв, при който има малък проблем, ме побърква. Не можете да намерите решението, така че можете да разберете защо това е оценено като изключително отрицателно. Нека разгледаме един, който излиза изключително положителен. Добре, така че знаете, така че тук имаме няколко щастливи думи: моля и благодаря, удивителен знак и така нататък. Това може да допринесе за високия резултат. Добре, така ли е перфектно? Не, но това ще ви даде бърз, бърз начин да ви кажем, знаете ли, колко хора са изключително щастливи или изключително отрицателни от тези отговори.
И разбира се, отново, тук можем да направим това с обобщена таблица: Вмъкване, обобщена таблица, отидете до Съществуващ работен лист точно тук, щракнете върху OK и се интересуваме от настроението и тогава може би със средния резултат всеки от тези. Така че ще променим това под Настройки на полето на Средно, щракнете върху OK. И така, или може би дори граф. Предполагам, че бихме искали да знаем графа, колко хора. Ще вземем друго поле и така знаем колко хора са били отрицателни. Ооо, колко хора бяха неутрални, колко хора бяха положителни и каква беше средната оценка на всеки от тях.
Добре, така че ако имате данни от проучването и това е множество възможности за избор, лесно е да използвате обобщена таблица, за да разберете какъв процент има всеки отговор. Но за текстовите отговори в свободна форма е трудно да се обработят. Ако имате стотици или хиляди от тях, анализът на настроенията е машинен метод за прогнозиране дали отговорът е положителен или отрицателен. Microsoft предлага безплатен инструмент за това. Работи в Excel 2013 или Excel 2016, наречен Azure Machine Learning. Обикновено трябва да преминат и категоризират ръчно 5% от извлеченията. Той не е гъвкав, трябва да прекатегоризирате всеки нов набор от данни, но Excel използва този лексикон за субективност MPQA. Това е общ речник. Ще работи за кратки изречения, туитове, публикации във Facebook. Мога да се заблудя от двойни отрицания. Така че просто отидете в магазина на Excel,търсете машинно обучение Azure. Посочете вход и две колони за изходен диапазон. Не забравяйте да промените заглавието, за да съответства на схемата, tweet_text, в конкретния случай.
Добре, ето ви. Следващият път, когато имате голямо количество данни за анализ, проверете с помощта на Azure Machine Learning, безплатната добавка за Excel 2013. Благодарим ви, че се отбихте, ще се видим следващия път за поредното излъчване от.
Свали файл
Изтеглете примерния файл тук: Podcast2062.xlsm
