Analisi del sentiment in Excel! È disponibile un componente aggiuntivo gratuito di Microsoft Labs che ti consentirà di eseguire l'analisi del sentiment in Excel. E se dovessi leggere centinaia di commenti al sondaggio per vedere cosa pensano le persone della tua azienda? Excel può assegnare una probabilità che mostra quanto sia positivo o negativo ogni commento.
Guarda un video
- È facile quantificare i dati del sondaggio quando si tratta di una scelta multipla
- Puoi utilizzare una tabella pivot per capire quale percentuale ha ciascuna risposta
- Ma per quanto riguarda le risposte di testo in formato libero? Questi sono difficili da elaborare se ne hai centinaia o migliaia.
- Sentiment Analysis è un metodo basato su macchine per prevedere se una risposta è positiva o negativa.
- Microsoft offre uno strumento che esegue l'analisi del sentiment in Excel: Azure Machine Learning.
- L'analisi del sentiment tradizionale richiede che un essere umano analizzi e categorizzi il 5% delle dichiarazioni.
- L'analisi del sentiment tradizionale non è flessibile: ricostruirai il dizionario per ogni settore.
- Excel utilizza MPQA Subjectivity Lexicon (leggi a riguardo su http: // bit. Ly / 1SRNevt)
- Questo dizionario generico include 5.097 parole negative e 2.533 positive
- Ad ogni parola viene assegnata una polarità forte o debole
- Funziona alla grande per frasi brevi, come Tweet o post di Facebook
- Può essere ingannato da doppi negativi
- Per installare, vai a Inserisci, Excel Store, cerca Azure Machine Learning
- Specificare un intervallo di input e due colonne vuote per l'intervallo di output.
- L'intestazione per l'intervallo di input deve corrispondere allo schema: tweet_text
- Articolo complementare su: http://sfmagazine.com/post-entry/may-2016-excel-sentiment-analysis/
Trascrizione del video
Impara Excel da Podcast, Episodio 2062: Analisi del sentiment in Excel
Oh hey, era una notte del Ringraziamento ed eravamo seduti intorno alla torta di zucca e Jes, un nostro amico, ha iniziato a parlare di fare analisi del sentiment sui dati di Twitter. E ho detto: "Ehi, sai che Excel ha un modo per eseguire l'analisi del sentiment". E mi sono reso conto che non avevo un buon video su questo o qualsiasi video su questo, quindi questo video riguarda l'analisi del sentiment in Excel.
La prima domanda è: che diamine è l'analisi del sentiment? E se fai un sondaggio tra i tuoi clienti e hanno una selezione a scelta multipla in cui possono scegliere da 1 a 5, beh, è davvero molto facile da analizzare. Puoi semplicemente creare una piccola tabella pivot: Inserisci tabella pivot, Foglio di lavoro esistente proprio qui, fai clic su OK. Vogliamo sapere la domanda lì o la risposta alla domanda, quindi quante risposte c'erano per ciascuna, e questo ci dà il numero assoluto. Puoi anche entrare qui e cambiarlo da Impostazioni campo a Mostra valori come% del totale della colonna, in questo modo.
Va bene, così puoi vedere per ogni risposta quale percentuale di persone ottiene una risposta. Va bene, ma l'analisi del sentiment è per quando hai una risposta molto lunga in cui dici: "Ehi, va bene, beh lo sai, dicci perché ci hai dato quella risposta?" E loro, sai, usano frasi o paragrafi. Bene, se ne hai centinaia o migliaia, è molto difficile per qualcuno esaminarli e leggerli tutti e capire cosa sta succedendo, va bene?
Quindi ci sono due diversi tipi di analisi del sentiment. In genere in passato si utilizzava un algoritmo di apprendimento supervisionato da persone. Quindi, se hai 5.000 risposte, passa attraverso, sai, 200 di quelle e scegli le parole e le frasi positive e negative. Stai essenzialmente costruendo un dizionario delle parole positive e negative; ma, sai, questo è stato molto limitante. Se l'hai fatto per un posto che ha riparato l'auto e poi aveva un cliente diverso, sai, che ha fatto la pulizia della moquette, quei due dizionari sono completamente diversi. Devi fare l'apprendimento automatico o l'apprendimento supervisionato da persone più e più volte. Quindi, Excel usa questa cosa chiamata Lexicon soggettività MPQA e puoi andare su Google questo. Ha le informazioni al riguardo: 5.097 parole negative, 2533 parole positive. E così,funziona alla grande per frasi brevi, Tweet o post di Facebook. Ma una cosa che ho notato è che se qualcuno sta scrivendo in doppio negativo, non posso dire che non odio questa funzione, beh, l'apprendimento automatico fallirà lì. E diamine, fallisco. Non posso dire se sono felici o no.
Va bene, quindi ecco cosa facciamo. In Excel 2013 o Excel 2016, vai alla scheda Inserisci, vai allo Store, quando viene visualizzata la casella di ricerca cerca Azure Machine e ottieni Azure Machine Learning proprio lì. Facciamo clic su Aggiungi. Bene, e due diversi strumenti qui fuori: Titanic Survivor Predictor, che è divertente; e il componente aggiuntivo Excel per l'analisi del sentimento del testo. Usiamo quello. Bene, ecco un paio di cose che ti faranno inciampare. Il tuo titolo: prendi un paragrafo per spiegare la tua risposta. Deve corrispondere allo Schema e lo Schema dice che l'intestazione deve dire tweet_text. Quindi, qui sopra: tweet_text, ovviamente, fa distinzione tra maiuscole e minuscole, va bene. Quindi chiudere lo schema, quindi prevedere, input: da A1 a 100, i miei dati hanno intestazioni, output: datiB1, includere le intestazioni. Ci daranno 2 colonne.Assicurati di avere 2 colonne vuote lì; in caso contrario, sovrascriverà i dati. Hai 2 scelte: poche righe alla volta o come batch. Questo è solo un centinaio, quindi non importa davvero. Sceglierò Predict e BAM! Proprio così veloce.
Va bene ora, otteniamo 2 colonne: otteniamo un sentimento e un punteggio, va bene. Quindi, rappresentiamo i punteggi qui come percentuali con un mucchio di cifre decimali. Va bene, quindi 47,496, va da 0 a 100%. Vicino a 100 è estremamente positivo, vicino a 0 è estremamente negativo, va bene? Quindi qui, ne abbiamo uno in cui c'è un problema minore, che mi fa impazzire. Non riesci a trovare la soluzione, quindi puoi capire perché è stato valutato come estremamente negativo. Diamo un'occhiata a uno che risulta estremamente positivo. Va bene, quindi sai, quindi abbiamo alcune parole felici qui: per favore e grazie, punti esclamativi e così via. Questo potrebbe contribuire al punteggio più alto. Va bene, quindi è perfetto? No, ma ti darà un modo rapido e veloce per dirti, sai, quante persone sono estremamente felici o estremamente negative riguardo a quelle risposte.
E ovviamente, di nuovo, qui possiamo farlo con una tabella pivot: Inserisci, Tabella pivot, vai a un foglio di lavoro esistente proprio qui, fai clic su OK, e siamo interessati al Sentiment, e poi forse con il punteggio medio è per ciascuno di quelli. Quindi lo cambieremo in Impostazioni campo per essere una media, fare clic su OK. E così, o forse anche un conte. Immagino che vorremmo conoscere il Conte, quante persone. Quindi prenderemo un altro campo e quindi sappiamo quante persone erano negative. Ooh, quante persone erano neutre, quante persone erano positive e qual era il punteggio medio di ciascuna di esse.
Va bene, quindi se hai i dati del sondaggio ed è una scelta multipla, è facile usare una tabella pivot per capire quale percentuale ha ciascuna risposta. Ma per le risposte di testo in formato libero, è difficile da elaborare. Se ne hai centinaia o migliaia, l'analisi del sentiment è un metodo basato sulla macchina per prevedere se una risposta è positiva o negativa. Microsoft offre uno strumento gratuito per questo. Funziona in Excel 2013 o Excel 2016, denominato Azure Machine Learning. Di solito devono esaminare e classificare manualmente il 5% delle dichiarazioni. Non è flessibile, devi riclassificare per ogni nuovo set di dati, ma Excel utilizza questo Lexicon soggettività MPQA. È un dizionario generico. Funzionerà per frasi brevi, tweet, post di Facebook. Posso farmi ingannare dai doppi negativi. Quindi vai su Excel Store,cercare Azure Machine Learning. Specificare un input e due colonne per un intervallo di output. Non dimenticare di modificare l'intestazione in modo che corrisponda allo Schema, tweet_text, in questo caso particolare.
Va bene, quindi eccoti. La prossima volta che hai una grande quantità di dati da analizzare, controlla utilizzando Azure Machine Learning, il componente aggiuntivo gratuito per Excel 2013. Grazie per essere passato, ci vediamo la prossima volta per un altro netcast da.
Download file
Scarica il file di esempio qui: Podcast2062.xlsm
