Analyse des sentiments
Analyse des sentiments
Utilisez l’outil Analyse des sentiments pour déterminer si les données de texte reflètent un sentiment positif, négatif ou neutre.
Nous vous recommandons de ne pas utiliser l’outil Pré-traitement de texte pour traiter les données de texte à utiliser avec l’outil Analyse des sentiments. L’outil Pré-traitement de texte peut supprimer les fonctionnalités sur lesquelles repose l’outil Analyse des sentiments pour déterminer le sentiment.
Alteryx Intelligence Suite requis
Cet outil fait partie de Alteryx Intelligence Suite . Intelligence Suite nécessite une licence séparée et un programme d'installation complémentaire pour Designer. Après avoir installé Designer, installez Intelligence Suite et commencez votre essai gratuit .
Prise en charge des langues
Pour le moment, l'outil Analyse des sentiments peut analyser uniquement les données qui contiennent du texte en anglais.
Composants de l'outil
L'outil Analyse des sentiments comporte 2 ancrages :
Ancrage d’entrée : utilisez l’ancrage d’entrée pour connecter les données texte que vous souhaitez analyser.
Ancrage de sortie : utilisez l’ancrage de sortie pour passer les données que vous avez analysées en aval.
Configuration de l'outil
Ajoutez un outil Analyse des sentiments au canevas.
Utilisez les ancrages pour connecter l'outil Analyse des sentiments aux données de texte que vous souhaitez utiliser dans le workflow.
Sélectionnez l' Algorithme que vous souhaitez utiliser pour effectuer une analyse de sentiment.
Sélectionnez le Champ de texte que vous souhaitez analyser.
Exécutez le workflow.
Options avancées
L’outil Analyse des sentiments a quelques options avancées.
Algorithmes
Actuellement, un seul algorithme est disponible.
L’algorithme Valence Aware Dictionary for Sentiment Reasoning (VADER) mesure la valence et l’ampleur de l’émotion dans le texte. La valence des émotions fait référence au fait qu’elles sont positives ou négatives. L’ampleur des émotions se réfère à quel point elles sont positives ou négatives. Le VADER peut également identifier un texte qui n’est pas émotionnel, c’est-à-dire neutre dans sa valence.
Sentiment au niveau de la phrase
Pour utiliser la ponctuation pour fractionner le texte en phrases avant l’analyse, cochez la case Rechercher le sentiment au niveau de la phrase .
De nombreux algorithmes d'analyse de sentiment, y compris l'algorithme VADER, sont réglés pour trouver le sentiment au niveau de la phrase, ce qui signifie que les algorithmes analysent les phrases, analysent chaque phrase individuellement, puis renvoient le score moyen de phrase composée pour tout le corps du texte. Pour que les algorithmes analysent les phrases, vos données de texte doivent contenir la ponctuation de fin.
Catégorie de sentiment
Pour classer les données de texte comme « positives », « négatives » et « neutres » dans votre sortie, cochez la case Générer la catégorie de sentiment . Ensuite, vous pouvez utiliser les champs Classification négative maximale et Classification positive minimale pour définir la plage pour chaque catégorie en utilisant le score de sentiment composé.
La classification négative maximale définit la sensibilité de l'algorithme à un sentiment négatif. Augmentez ce paramètre pour élargir la gamme de sentiment négatif que l’algorithme peut détecter. La classification positive minimale définit la sensibilité de l'algorithme à un sentiment positif. Diminuez ce paramètre pour élargir la gamme de sentiment positif que l’algorithme peut détecter.
Le score de sentiment composé varie de -1 à 1. L’algorithme classe tout nombre entre -1 et la classification négative maximale comme « négatif » ; tout nombre entre la classification négative maximale et la classification positive minimale comme « neutre » et tout nombre entre la classification positive minimale et 1 comme « positif ».
Sortie
L’outil Analyse des sentiments génère jusqu’à cinq colonnes. Quatre colonnes sont incluses par défaut. La cinquième colonne apparaît si vous choisissez l’option Générer la catégorie de sentiment .
Voici les colonnes dans l’ordre dans lequel elles apparaissent :
negative_sentiment : cette colonne affiche le score de la valeur négative d’un extrait de texte allant de 0 à 1, 0 étant le moins négatif et 1 le plus négatif. Le score représente la proportion de mots qui tombent dans cette catégorie. Les scores de sentiment négatif, de sentiment neutre et de sentiment positif devraient être égaux à environ 1.
neutral_sentiment : cette colonne affiche le score de la neutralité d’un texte allant de 0 à 1, avec 0 étant pas neutre (en d’autres termes, positif ou négatif) et 1 étant le plus neutre. Le score représente la proportion de mots qui tombent dans cette catégorie. Les scores de sentiment négatif, de sentiment neutre et de sentiment positif devraient être égaux à environ 1.
positive_sentiment : cette colonne affiche le score de la valeur positive d’un extrait de texte allant de 0 à 1, avec 0 n’étant pas positif et 1 étant le plus positif. Le score représente la proportion de mots qui tombent dans cette catégorie. Les scores de sentiment négatif, de sentiment neutre et de sentiment positif devraient être égaux à environ 1.
compound_sentiment_score : cette colonne affiche un score allant de -1 à 1. Les chiffres négatifs indiquent un sentiment négatif, et les chiffres positifs indiquent un sentiment positif. -1 est le score le plus négatif, 0 est le score le plus neutre, et 1 est le score le plus positif.
sentiment_category : la catégorie du sentiment provient du score de sentiment composé, et elle inclut des catégories positives, négatives et neutres. Ce que l’algorithme classe comme positif, neutre et négatif dépend des paramètres de la classification négative maximale et de la classification positive minimale positive .