基本分析 • 文本分析器 • “文本分析器”平台的其他示例
上一个
 • 
下一个
“文本分析器”平台的其他示例
该示例取自美国国家运输安全委员会发布的飞机事故报告，其中列出美国 2001 年发生的事故。您想探索一些文本，这些文本包含了对事故原因结果的描述。您还想在事故报告集合中找到主题。
1.
选择帮助 > 样本数据库，然后打开 Aircraft Incidents.jmp。
2.
选择行 > 按列设定颜色或标记。
3.
从“列”列表中选择严重，然后点击确定。
将包含涉及死亡事故的行设定为红色。
4.
选择分析 > 文本分析器。
5.
从“选择列”列表中选择报告原因，然后点击文本列。
6.
从“词干处理”列表中，选择处理所有词条的词干。
7.
从“标记化”列表中，选择基本单词。
8.
点击确定。
报告原因的“文本分析器”报表
从报表中，您看到有几乎 51,000 个标记和大约 1,900 个独特词条。
9.
在词条列表中选择前三个词条。
因为有大约 51,000 个标记，这三个词条的计数代表所有词条的几乎 2% 或更多。
10.
在选定词条上右击，然后选择添加停止词。
因为这些词条比其他词条更常出现，它们提供不了很多信息来区分文档。
11.
从“报告原因的文本分析器”旁边的红色小三角菜单，选择潜在语义分析，SVD。
这是迈向执行 SVD 旋转的主题分析的第一个分析步骤。
12.
在“规格”窗口中，为“最小词条频数”键入 50。
因为大约有 51,000 个标记，该频数等价于至少代表所有词条的 0.1% 的一个词条。
13.
点击确定。
报告原因的 SVD 图
严重和非严重事故的文档 SVD 图区别不大。
14.
从“文本分析器”红色小三角菜单，选择主题分析，旋转 SVD。
您想查找构成主题的词条组。
15.
为“主题数”键入 5。
16.
点击确定。
报告原因的主题单词
通过每个主题的最高得分单词，您可以解释该主题是否捕获了事故报告中的主题。
例如，主题 1 对于动力、失去和发动机具有高得分，这表示发动机失去动力的主题是事故原因。这对应于短语“发动机动力失去”在一组事故报告中出现了 273 次。
根据主题 3 中具有高得分的单词，可以将它描述为与涉及黑暗或低海拔的事故有关。
在这个文本分析阶段，您对于如何进行分析有很多选择。文本分析是一个迭代过程，因此您可能通过添加停止词或指定短语，使用主题信息进一步审校您的词条列表。您可能保存加权的文档词条矩阵，将 SVD 或旋转 SVD 中的向量保存为数据表中的数值列，然后在其他 JMP 分析平台中使用它们。在其他平台中使用这些列时，还可以包括数据表中的其他列以进行深入分析。