基本分析 • 文本分析器 • “文本分析器”平台的示例
上一个
 • 
下一个
“文本分析器”平台的示例
在该示例中，您要探索有关宠物的调查的文本响应。
1.
选择帮助 > 样本数据库，然后打开 Pet Survey.jmp。
2.
选择分析 > 文本分析器。
3.
选择调查回答并点击文本列。
4.
点击确定。
初始文本分析器报表的示例
您一眼可看到 194 个文档中有 372 个独特词条。总共有 1921 个标记化词条。最常见的词条是“cat”，它出现了 55 次。
5.
从“调查回答的文本分析器”旁边的红色小三角菜单，选择词条选项 > 词干处理 > 处理所有词条的词干。
6.
在“短语列表”表中，选择 cat food 和 dog food，右击选定内容，然后选择添加短语。
词条 cat food 和 dog food 包含在词条列表中。
7.
在词条列表中向下滚动，找到 cat 和 dog food 条目。
您可以看到每个短语出现了四次。
修改和滚动后的词条列表
在短语列表中，cat food 和 dog food 是灰色的，因为它们现在在本地被视为该文本分析器报表中的词条。
8.
从“调查回答的文本分析器”旁边的红色小三角菜单，选择潜在语义分析，SVD。
9.
点击确定以接受默认值。
两个 SVD 图显示在报表中，如SVD 图中所示。左侧的图显示文档空间中的前两个奇异向量。右侧的图显示词条空间中的前两个奇异向量。
SVD 图
10.
选择左侧 SVD 图中的三个最右侧的点。
这三个点表示与其他点不聚类在一起的调查回答。为了进一步调查该聚类，您阅读了这些响应的文本。
11.
点击位于 SVD 图分级显示项标题下面的显示文本按钮。
选定文档的文本
显示一个窗口，它包含选定点所表示的三个文档的文本。这些调查回答是类似的，它们都具有“funny”、“cat”和“video”的某些组合。这些文档与其余文档相比，其第一个奇异向量的正值更大，这指示在该维上它们与其余文档不同。
奇异向量维的进一步调查可能导致解释这些维表示什么。例如，图的最右侧的很多文档是有关 cat 的响应。在最左边，很多响应是关于 dog 的。因此，第一个奇异向量表示基于响应是关于 cat 还是 dog 的差异。