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

SharePoint 2010 Edit Menu - dummies

SharePoint 2010 Edit Menu - dummies

SharePoint 2010 menyediakan dua metode untuk bekerja dengan dokumen. Setiap dokumen memiliki menu Edit yang dapat Anda gunakan untuk mengambil beberapa tindakan pada dokumen itu, seperti memeriksanya untuk diedit. Ribbon juga menampilkan serangkaian tindakan yang dapat dilakukan pada masing-masing dokumen atau sekelompok dokumen yang dipilih. Mengakses ...

SharePoint 2010 Halaman Master dan Galeri Tata Letak Halaman - dummies

SharePoint 2010 Halaman Master dan Galeri Tata Letak Halaman - dummies

Jika Anda berada di situs kolaborasi SharePoint 2010 koleksi, Anda bisa mencatat galeri Master Page di Galeri, namun tidak ada link untuk menerapkan halaman utama di bagian Look and Feel. Di situs penerbitan, Anda memiliki galeri Halaman Utama dan Galeri Page Layout serta pilihan Master Page di ...

Kerangka situs Business Intelligence Center SharePoint 2010 - dummies

Kerangka situs Business Intelligence Center SharePoint 2010 - dummies

Template situs Business Intelligence Center yang baru di SharePoint 2010 menyatukan semuanya untuk Anda guna memantau, menganalisis, dan mewakili data kinerja dan hasil dalam organisasi Anda. Untuk membuat situs berdasarkan template Business Intelligence Center, Anda harus memiliki fitur PerformancePoint Services Site Collection yang diaktifkan. Jika Anda bukan ...

Pilihan Editor

Manfaat Memotret di Alam pada masa siang hari

Manfaat Memotret di Alam pada masa siang hari

Jika Anda kebetulan melakukan pemotretan di alam tengah hari, maka Anda mungkin memiliki waktu yang lebih sulit menemukan cahaya yang memiliki arah atau kualitas yang Anda inginkan. Matahari bertumpu tinggi di langit untuk sebagian besar hari itu, berseri lurus ke bawah pada subjek Anda ...

Manfaat Kamera Digital Kompak untuk Fotografi HDR

Manfaat Kamera Digital Kompak untuk Fotografi HDR

(Kadang disebut titik digital - dan - kamera shoot) adalah yang termurah masuk ke fotografi dengan rentang dinamis tinggi. Anda bisa membelinya seharga sekitar $ 100 dan memulai karir Anda tanpa harus mendapatkan hipotek kedua di rumah Anda. Berikut adalah beberapa model yang bisa sesuai dengan tagihan. Nikon Coolpix S220 dan Canon PowerShot A480 ...

HDR hitam-putih: Berwarna dengan Elemen Variasi Warna Alat - dummies

HDR hitam-putih: Berwarna dengan Elemen Variasi Warna Alat - dummies

Salah satu pilihan untuk mewarnai gambar kisaran dinamis hitam-putih tinggi (HDR) di Photoshop Elements adalah dengan menggunakan alat Variasi Warna. Beberapa kontrol tersedia di sini dimana Anda dapat menambah atau mengurangi warna pada daerah nada tertentu. Dengan kata lain, jika Anda ingin meningkatkan warna hijau dalam bayang-bayang, Anda bisa. Kelemahannya adalah bahwa ...

Pilihan Editor

Membangun Swift Outlets and Actions with Xcode - dummies

Membangun Swift Outlets and Actions with Xcode - dummies

Xcode memiliki Interface Builder yang terpasang di dalamnya sehingga Anda dapat merancang antarmuka Anda secara grafis Kunci untuk membuat semuanya bekerja adalah menghubungkan elemen grafis dari Interface Builder ke file Swift Anda. Xcode memudahkan - cukup ikuti langkah berikut: Buka Utama. storyboard Papan cerita utama Anda mungkin memiliki nama yang berbeda; ini ...

Memilih Bagaimana Melaksanakan Fungsi di Swift - dummies

Memilih Bagaimana Melaksanakan Fungsi di Swift - dummies

Saat Anda sedang berpikir untuk membuat sebuah aplikasi, bagaimana caranya? Anda memutuskan bagaimana menerapkan fungsinya? Swift, bersama dengan kerangka Cocoa and Cocoa Touch, menyediakan berbagai macam alat untuk membantu Anda. Berikut adalah daftar beberapa pertanyaan untuk diajukan kepada diri sendiri saat menentukan mana yang akan digunakan: Apakah ini sesuatu yang ...

Memoles Alat Pengembangan Anda untuk Pemasar Kakao - dummies

Memoles Alat Pengembangan Anda untuk Pemasar Kakao - dummies

Kakao adalah salah satu jenis program yang dapat Anda lakukan dengan Apple's Alat pengembang. Kakao adalah kumpulan alat dan perpustakaan yang memungkinkan Anda mendapatkan hasil maksimal dari pemrograman Mac OS X. Banyak fitur membuat Cocoa hebat, termasuk yang berikut: Desain berorientasi objek modular Penggunaan kerangka kerja Desain antarmuka visual Mengapa program dengan ...