“文本分析器”红色小三角菜单包含以下分析选项:
潜在类分析
使用稀疏矩阵例程对二进制加权文档词条矩阵执行潜在类分析。请参见潜在类分析。
当您从“文本分析器”红色小三角菜单选择“潜在类分析”时,将显示包含以下选项的“规格”窗口:
最大词条数
包括在潜在类分析中的最大词条数。
最小词条频数
一个词条要包括在潜在类分析中必须出现的最小次数。
聚类数
潜在类分析中的聚类数。
潜在语义分析, SVD
执行文档词条矩阵的偏奇异值分解。请参见潜在语义分析 (SVD)。
判别分析
根据文档词条矩阵预测组或类别中每个文档的成员关系。请参见判别分析。
词条选择
分析哪些词条最适合解释不同响应。当响应是评级时,“词条选择”也有助于情感分析。请参见词条选择。
情感分析
(仅当“语言”选项设置为“英语”时才可用。)使用词法分析识别文档中的情感词条,并对文档的正面、负面和整体情感进行评分。请参见情感分析。
在“文本分析器”平台中,分析选项基于文档词条矩阵 (DTM)。通过为词条列表中的每个词条(最大为指定的最大词条数)创建列来生成 DTM。每个文本文档(等价于数据表中的行)对应 DTM 的一行。DTM 单元格中的值取决于用户在“规格”窗口中指定的权重类型。
图 12.10 显示“奇异值分解规格”窗口。当您从“文本分析器”红色小三角菜单选择对文档词条矩阵执行奇异值分解的选项时,将显示包含以下选项的“规格”窗口:
最大词条数
包括在奇异值分解中的最大词条数。
最小词条频数
一个词条必须要包括在奇异值分解中的最小次数。
权重
用于确定进入文档词条矩阵单元格的值的权重方案。在“文档词条矩阵规格”窗口中介绍了各个权重方案选项。
奇异向量数
奇异值分解中的奇异向量数。默认值为文档数、词条数或 100 中的最小值。
中心化和统一尺度
文档词条矩阵的中心化和统一尺度选项。您可以选择中心化和统一尺度、中心化和未中心化。默认情况下,文档词条矩阵已中心化且统一尺度。
图 12.10 “SVD 规格”窗口