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

Bagaimana Mengelola Komentar di WordPress Anda. com Blog - dummies

Bagaimana Mengelola Komentar di WordPress Anda. com Blog - dummies

Buka halaman Komentar dengan mengklik link Komentar di menu navigasi Dashboard WordPress. Halaman Komentar menunjukkan semua komentar di blog Anda sejak hari pertama Anda memulai. Di sini Anda bisa melihat komentar, mengeditnya, menandai mereka sebagai spam, atau flat-out menghapusnya. Jika Anda menetapkan pilihan Komentar Anda jadi ...

Bagaimana Mengelola Pengguna dan Penulis di Blog WordPress Anda - dummies

Bagaimana Mengelola Pengguna dan Penulis di Blog WordPress Anda - dummies

Pengguna WordPress halaman memberitahu Anda tentang semua pengguna di blog Anda. Ini mencantumkan nama pengguna, nama, alamat e-mail, peran di blog Anda, dan jumlah posting yang dibuat ke blog Anda. Untuk mengelola peran pengguna, Anda perlu memahami jenis akses yang diberikan masing-masing peran: Pengikut: Peran default ini ditugaskan untuk ...

Cara Membuat Permalinks WordPress Bekerja dengan Server Anda - dummies

Cara Membuat Permalinks WordPress Bekerja dengan Server Anda - dummies

Setelah Anda mengatur format untuk permalinks untuk situs WordPress Anda dengan menggunakan opsi selain default, WordPress menulis peraturan, atau arahan tertentu ke. htaccess file di server web anda Itu. htaccess file pada gilirannya mengkomunikasikan ke server web Anda bagaimana seharusnya menyajikan permalinks, sesuai dengan permalink ...

Pilihan Editor

Bagaimana cara Log In ke Layanan Cloud - dummies

Bagaimana cara Log In ke Layanan Cloud - dummies

Karena Cloud Service sepenuhnya berbasis di awan, semua Anda benar-benar Kebutuhan untuk mengaksesnya adalah koneksi internet. (Nah, Anda juga memerlukan nama pengguna dan kata sandi.) Anda dapat masuk dari kantor Anda dan kemudian mengambil tempat Anda tinggalkan di hotel saat bepergian di Tokyo. Salesforce memiliki banyak tindakan pengamanan ...

Bagaimana Bergerak di sekitar MYOB - dummies

Bagaimana Bergerak di sekitar MYOB - dummies

Di MYOB, Anda dapat melangkah maju dan mundur melalui setiap jendela pembelajaran saya. untuk mencintai kunci Tab komputer Anda. Ini jauh lebih mudah dan lebih cepat daripada menggunakan mouse anda. Keystrokes Shortcut Result Shift + Tab Bergerak ke belakang ke kolom sebelumnya Enter atau Tab Bergerak ke depan ke kolom berikutnya Alt + F4 Berhenti dan mengemas Esc Membawa ...

Bagaimana Membuka Kasus untuk Pelanggan di Salesforce. Kasus com - dummies

Bagaimana Membuka Kasus untuk Pelanggan di Salesforce. Kasus com - dummies

Adalah dasar Salesforce. com Layanan Cloud. Mereka adalah titik pusat kontak Anda dan apa yang agen hidup dan hirup setiap hari. Kasus adalah catatan penyelidikan layanan atau dukungan untuk pelanggan yang merinci masalah dan semua informasi yang mengelilinginya, seperti yang ditunjukkan. Kasus ...

Pilihan Editor

Menghitung Persen Tujuan di Excel - dummies

Menghitung Persen Tujuan di Excel - dummies

Ketika seseorang meminta Anda untuk menghitung satu persen Tujuannya, dia hanya mengatakan untuk membandingkan kinerja aktual dengan tujuan yang dinyatakan. Matematika yang terlibat dalam perhitungan ini sederhana: Bagilah tujuannya dengan aktual. Ini memberi Anda nilai persentase yang menunjukkan berapa banyak pencapaian yang telah dicapai. Misalnya, jika ...

Menghitung Persentase Varian di Excel - dummies

Menghitung Persentase Varian di Excel - dummies

Varians adalah indikator perbedaan antara satu angka dengan angka lainnya. Untuk memahami hal ini, bayangkan bahwa Anda menjual 120 widget pada suatu hari, dan keesokan harinya, Anda menjual 150. Perbedaan dalam penjualan sebenarnya sangat mudah dilihat; Anda menjual 30 widget lagi. Mengurangkan 120 widget dari 150 widget memberi ...

Menghitung Persentase Varian dengan Nilai Negatif di Excel - dummies

Menghitung Persentase Varian dengan Nilai Negatif di Excel - dummies

Rumus untuk menghitung varian persen dalam Excel bekerja dengan indah dalam banyak kasus. Namun, bila nilai benchmark adalah nilai negatif, rumusnya akan turun. Misalnya, bayangkan Anda memulai bisnis dan berharap bisa kehilangan tahun pertama. Jadi, Anda memberi anggaran sebesar negatif $ 10.000. Sekarang bayangkan itu ...