Rumah Keuangan Pribadi Analisis Sentimen Sosial dengan Hadoop - dummies

Analisis Sentimen Sosial dengan Hadoop - dummies

Video: Sentiment Analysis to classify Amazon Product Reviews Using Supervised Classification Algorithms 2025

Video: Sentiment Analysis to classify Amazon Product Reviews Using Supervised Classification Algorithms 2025
Anonim

Analisis sentimen sosial mudah dianggap terlalu overhyped. Penggunaan Hadoop, yang seharusnya tidak mengherankan, mengingat bahwa dunia terus terhubung dan populasi ekspresif saat ini. Kasus penggunaan ini memanfaatkan konten dari forum, blog, dan sumber media sosial lainnya untuk mengembangkan perasaan tentang apa yang orang lakukan (misalnya, peristiwa kehidupan) dan bagaimana reaksi mereka terhadap dunia di sekitar mereka (sentimen).

Karena data berbasis teks tidak sesuai dengan database relasional, Hadoop adalah tempat yang praktis untuk mengeksplorasi dan menjalankan analisis pada data ini.

Bahasa sulit untuk ditafsirkan, bahkan untuk manusia kadang-kadang - terutama jika Anda membaca teks yang ditulis oleh orang-orang dalam kelompok sosial yang berbeda dari Anda sendiri. Kelompok orang ini mungkin berbicara dalam bahasa Anda, namun ungkapan dan gaya mereka benar-benar asing, jadi Anda tidak tahu apakah mereka sedang membicarakan pengalaman baik atau buruk.

Misalnya, jika Anda mendengar kata bom yang mengacu pada sebuah film, ini mungkin berarti bahwa film itu buruk (atau bagus, jika Anda adalah bagian dari masa muda Gerakan yang menafsirkan "It's da bomb" sebagai pujian); Tentu saja, jika Anda berada dalam bisnis keamanan maskapai penerbangan, kata bom memiliki arti yang sangat berbeda. Intinya adalah bahasa itu digunakan dengan berbagai cara dan terus berkembang.

Bila Anda menganalisis sentimen pada media sosial, Anda dapat memilih dari beberapa pendekatan. Metode dasar memecah teks secara terprogram, mengekstrak string, dan menerapkan aturan. Dalam situasi sederhana, pendekatan ini masuk akal. Namun seiring dengan berkembangnya persyaratan dan peraturan menjadi lebih kompleks, pengkodean teks secara manual mudah dikelompokkan menjadi tidak layak lagi dari perspektif pemeliharaan kode, terutama untuk optimasi kinerja.

Pendekatan berbasis tata bahasa dan aturan untuk pemrosesan teks sangat mahal, yang merupakan pertimbangan penting dalam ekstraksi skala besar di Hadoop. Semakin melibatkan peraturan (yang tak terelakkan untuk tujuan kompleks seperti pengambilan sentimen), semakin banyak pemrosesan yang dibutuhkan.

Sebagai alternatif, pendekatan berbasis statistik menjadi semakin umum untuk analisis sentimen. Daripada menulis aturan kompleks secara manual, Anda dapat menggunakan model pembelajaran mesin yang berorientasi klasifikasi di Apache Mahout. Hasil tangkapan di sini adalah Anda perlu melatih model Anda dengan contoh sentimen positif dan negatif. Semakin banyak data pelatihan yang Anda berikan (misalnya teks dari tweet dan klasifikasi Anda), semakin akurat hasilnya.

Kasus penggunaan analisis sentimen sosial dapat diterapkan di berbagai industri. Misalnya, pertimbangkan keamanan pangan: Mencoba memprediksi atau mengidentifikasi wabah penyakit bawaan makanan secepat mungkin sangat penting bagi petugas kesehatan.

Gambar berikut menunjukkan aplikasi berlabuh Hadoop yang mengandung tweet menggunakan extractors berdasarkan potensi penyakit: FLU atau FOOD POISONING.

Apakah Anda melihat peta panas yang dihasilkan yang menunjukkan lokasi geografis tweets? Salah satu karakteristik data dalam dunia data besar adalah sebagian besar diperkaya secara spasial: Memiliki informasi lokalitas (dan atribut temporal juga). Dalam kasus ini, profil Twitter direkayasa ulang dengan melihat lokasi yang telah dipublikasikan. Ternyata, banyak akun Twitter memiliki lokasi geografis sebagai bagian dari profil publik mereka (dan juga penolakan yang secara jelas menyatakan bahwa pemikiran mereka adalah keputusan mereka sendiri daripada berbicara untuk atasan mereka).

Seberapa bagus mesin prediksi untuk media sosial terkena wabah flu atau kejadian keracunan makanan? Perhatikan data sampel anonim yang ditunjukkan. Anda dapat melihat bahwa sinyal media sosial mengacaukan semua indikator lain untuk memprediksi wabah flu di daerah U. S. tertentu selama akhir musim panas dan memasuki musim gugur yang akan datang.

Contoh ini menunjukkan manfaat lain yang diperoleh dari menganalisis media sosial: Ini memberi Anda kesempatan yang belum pernah terjadi sebelumnya untuk melihat informasi atribut dalam profil poster. Memang, apa yang orang katakan tentang diri mereka di profil Twitter mereka seringkali tidak lengkap (misalnya, kode lokasi tidak terisi) atau tidak bermakna (kode lokasi mungkin mengatakan

awan sembilan ). Tapi Anda bisa belajar banyak tentang orang dari waktu ke waktu, berdasarkan apa yang mereka katakan. Misalnya, seorang klien mungkin memiliki

tweeted (pengumuman tentang kelahiran bayinya, gambar Instagram dari lukisan terakhirnya, atau sebuah posting Facebook yang menyatakan bahwa dia tidak dapat mempercayai perilaku Walter White di akhir pekan Breaking Bad . Dalam contoh di mana-mana, perusahaan Anda dapat mengekstrak peristiwa kehidupan yang menghasilkan grafik keluarga (anak baru merupakan pembaruan berharga untuk profil Pengelolaan Data Master seseorang), hobi (melukis), dan atribut minat (Anda menyukai pertunjukan

Breaking Bad ). Dengan menganalisis data sosial dengan cara ini, Anda memiliki kesempatan untuk menyempurnakan atribut pribadi dengan informasi seperti hobi, ulang tahun, acara kehidupan, lokasi geografis (negara, negara bagian, dan kota, misalnya), atasan, jenis kelamin, pernikahan status, dan banyak lagi.

Asumsikan sebentar bahwa Anda adalah CIO sebuah maskapai penerbangan. Anda bisa menggunakan posting yang senang atau sering marah karena tidak hanya memastikan sentimen tapi juga melengkapi profil pelanggan untuk program loyalitas Anda dengan menggunakan informasi media sosial.

Bayangkan seberapa baik Anda bisa menargetkan pelanggan potensial dengan informasi yang dibagikan - misalnya, sebuah e-mail memberitahu klien bahwa Season 5 dari

Breaking Bad sekarang tersedia di sistem media pesawat atau mengumumkan bahwa anak-anak di bawah usia dua lalat secara gratis. Ini juga contoh bagus tentang bagaimana sistem pencatatan (misalnya, penjualan atau basis data langganan) dapat memenuhi sistem keterlibatan (katakanlah, dukung saluran). Meskipun penebusan anggota dan riwayat perjalanan loyalitas ada dalam database relasional, sistem pertunangan dapat memperbarui catatan (misalnya kolom).

Analisis Sentimen Sosial dengan Hadoop - dummies

Pilihan Editor

Kantor 2011 untuk Mac: Membuat Tabel dengan Kotak Dialog atau Teks - dummies

Kantor 2011 untuk Mac: Membuat Tabel dengan Kotak Dialog atau Teks - dummies

Sementara ada cara baru untuk membuat tabel di Office 2011 untuk Mac, Anda masih bisa menggunakan teknik stand-by. Menu yang familiar masih bekerja di Office 2011 untuk Mac, dan inilah buktinya. Dialog meja semuanya masih ada di sana: Di Word, pilih Table → Insert → Table; Sebagai alternatif, pada tab Tabel Ribbon, di Tabel Pilihan ...

Kantor 2011 untuk Mac: Melepaskan Command Toolbar - dummies

Kantor 2011 untuk Mac: Melepaskan Command Toolbar - dummies

Apakah Anda menggunakan Office 2011 untuk Mac atau Produk Microsoft Office lainnya, toolbar Anda bisa sangat berantakan. Setiap kali Anda merasa perlu untuk men-tweak antarmuka aplikasi Microsoft Office, Anda perlu memanggil dialog Customize Toolbars and Menus. Ini adalah dialog super kuat di Word, Excel, dan PowerPoint yang memungkinkan Anda ...

Kantor 2011 untuk Mac: Berbagi Toolbar dan Menu - dummies

Kantor 2011 untuk Mac: Berbagi Toolbar dan Menu - dummies

Setelah Anda menyesuaikan Office 2011 Anda bilah alat dan antarmuka, Anda dapat berbagi penyesuaian dengan orang lain. Namun, pastikan bahwa Anda menasihati orang-orang yang telah Anda lakukan sebelum membagikan dokumen Anda dengannya; Jika tidak, mereka mungkin akan terkejut saat mereka membuka dokumen Anda dan melihat susunan toolbar atau menu yang berbeda dari pada apa ...

Pilihan Editor

Penting Office 2007 Commands - dummies

Penting Office 2007 Commands - dummies

Anda dapat membuat program Office 2007 lebih mudah jika Anda menggunakan pintasan sederhana ini. Perintah-perintah ini, seperti mengurungkan kesalahan dan memperbesar dan memperkecil akan membantu Anda menghemat waktu. Memasuki simbol: Untuk memasukkan simbol atau karakter asing yang tidak ada pada keyboard Anda, masuk ke tab Insert dan klik Symbol ...

Menyesuaikan Perintah Menu di Office 2003 - dummies

Menyesuaikan Perintah Menu di Office 2003 - dummies

Office 2003 menyediakan dua teknik untuk menyesuaikan menu dan perintah menu. Anda bisa memulai dari kotak dialog Rearrange Commands atau menggunakan metode drag-and-drop. Teruslah membaca. Menangani perintah menu di kotak dialog Rearrange Commands Teknik tombol Options Toolbar untuk menangani tombol toolbar bagus dan keren, tapi bagaimana jika Anda ingin ...

Pilihan Editor

Bagaimana memecahkan kesalahan logis dalam analisis argumen Pertanyaan GRE - dummies

Bagaimana memecahkan kesalahan logis dalam analisis argumen Pertanyaan GRE - dummies

Ketika Anda menjawab Argument Analysis Pertanyaan di GRE, argumen mungkin tampak logis dan adil di permukaan tapi sebenarnya keliru (keliru, cacat). Alasan melingkar, penalaran sebab-akibat yang keliru, dan generalisasi sweeping adalah tiga tanda argumen lemah. Dengan melihat beberapa kesalahan logis yang lebih umum, Anda dapat mengidentifikasi kelemahan dalam argumen dan ...

Pilihan ganda, Beberapa Jawaban tentang Tes Matematika GRE - Pertanyaan Praktik - dummies

Pilihan ganda, Beberapa Jawaban tentang Tes Matematika GRE - Pertanyaan Praktik - dummies

Meskipun pertanyaan matematika biasanya hanya memiliki satu jawaban yang benar, ini tidak selalu terjadi. Akibatnya, beberapa pertanyaan pilihan ganda pada tes GRE Math akan memberi Anda daftar jawaban dan meminta Anda untuk memilih lebih dari satu. Pertanyaan praktik berikut meminta Anda untuk menemukan nilai kemungkinan yang berbeda secara berurutan dan ...

Pilihan ganda, Beberapa Jawaban tentang Tes Verbal GRE - Pertanyaan Praktik - dummies

Pilihan ganda, Beberapa Jawaban tentang Tes Verbal GRE - Pertanyaan Praktik - dummies

Pada tes GRE Verbal, beberapa pertanyaan pilihan ganda akan memiliki lebih dari satu jawaban yang benar. Untuk pertanyaan ini, Anda akan diminta untuk melihat-lihat pilihan jawaban dan memilih semua yang menurut Anda benar. Dalam pertanyaan praktik berikut, Anda diminta untuk membaca bagian yang disertakan, dan kemudian ...