Análisis de sentimiento
Análisis de sentimiento
Utiliza la herramienta Análisis de sentimiento para determinar si los datos de texto reflejan sentimientos positivos, negativos o neutros.
Recomendamos no utilizar la herramienta Preprocesamiento de texto para procesar datos de texto para utilizar con la herramienta Análisis de sentimiento La herramienta Preprocesamiento de texto puede quitar las características en las que se basa la herramienta Análisis de sentimiento.
Se requiere Alteryx Intelligence Suite
Esta herramienta forma parte de Alteryx Intelligence Suite. Alteryx Intelligence Suite requiere una licencia independiente y un instalador de complemento para Designer. Después de instalar Alteryx Designer, instala Alteryx Intelligence Suite e inicia la prueba gratuita.
Idiomas compatibles
En este momento, la herramienta Análisis de sentimiento solo puede analizar datos que contengan texto en inglés.
Componentes de la herramienta
La herramienta Análisis de sentimiento tiene dos anclas:
Ancla de entrada: utiliza esta ancla para conectar los datos de texto que quieres analizar.
Ancla de salida: pasa los datos analizados a herramientas posteriores en el flujo de trabajo.
Configurar la herramienta
Agrega una herramienta Análisis de sentimiento al lienzo.
Utiliza las anclas para conectar la herramienta Análisis de sentimiento a los datos de texto que quieres utilizar en el flujo de trabajo.
Selecciona el algoritmo que quieres utilizar para realizar el análisis de sentimiento.
Selecciona el Campo de texto que quieres analizar.
Ejecuta el flujo de trabajo.
Opciones avanzadas
La herramienta Análisis de sentimiento tiene algunas opciones avanzadas.
Algoritmos
Actualmente, solo hay un algoritmo disponible.
El algoritmo Valence Aware Dictionary for Sentiment Reasoning (VADER) mide la valencia y la magnitud de la emoción en el texto. La valencia es si la emoción es positiva o negativa. La magnitud es qué tan positiva o negativa es la emoción. VADER también identifica texto que no es emocional o neutro en su valencia.
Sentimiento a nivel de oración
Para utilizar puntuación para analizar texto en oraciones antes del análisis, marca la casilla Encontrar el sentimiento al nivel de la oración .
Muchos algoritmos de análisis de sentimiento, incluso el algoritmo VADER, se ajustan para encontrar sentimientos al nivel de la oración, lo que significa que los algoritmos ordenan las oraciones, analizan cada oración individualmente y, luego, devuelven una puntuación promedio compuesta de la oración para todo el cuerpo de texto. Los datos de texto tienen que contener puntuación final ´para que los algoritmos analicen oraciones.
Sentimiento categórico
Para categorizar los datos de texto como "positivo", "negativo" y "neutro" en la salida, marca la casilla Generar sentimiento categórico . Luego, puedes utilizar los campos Clasificación negativa máxima y Clasificación positiva mínima para definir el rango para cada categoría mediante la puntuación de sentimiento compuesta.
La Clasificación negativa máxima define qué tan sensible debe ser el algoritmo a un sentimiento negativo. Aumenta este parámetro para ampliar el rango de sentimiento negativo que el algoritmo puede detectar. La clasificación positiva mínima define qué tan sensible debe ser el algoritmo a un sentimiento positivo. Disminuye este parámetro para ampliar el rango de sentimiento positivo que el algoritmo puede detectar.
La puntuación compuesta de sentimiento varía entre –1 y 1. El algoritmo clasifica cualquier número entre -1 y la Clasificación negativa máxima como "negativo"; cualquier número entre la Clasificación negativa máxima y la Clasificación positiva mínima como "neutro"; y cualquier número entre la Clasificación positiva mínima y 1 como "positivo".
Salida
La herramienta Análisis de sentimiento genera hasta cinco columnas. De forma predeterminada, se incluyen cuatro columnas. La quinta columna aparece si eliges la opción Generar sentimiento categórico .
Estas son las columnas en el orden en que aparecen:
negative_sentiment: esta columna muestra la puntuación de lo negativo que es un fragmento de texto, que va de 0 a 1, donde 0 es el menos negativo y 1 el más negativo. La puntuación representa la proporción de palabras que entran en esta categoría. Las puntuaciones de sentimiento negativo, sentimiento neutro y sentimiento positivo deberían sumar aproximadamente 1.
neutral_sentiment: esta columna muestra la puntuación de lo neutro que es un fragmento de texto, que va de 0 a 1, donde 0 es no neutro (en otras palabras, positivo o negativo) y 1 es el más neutro. La puntuación representa la proporción de palabras que entran en esta categoría. Las puntuaciones de sentimiento negativo, sentimiento neutro y sentimiento positivo deberían sumar aproximadamente 1.
positive_sentiment: esta columna muestra la puntuación de lo positivo que es un fragmento de texto, que va de 0 a 1, donde 0 es no positivo y 1 el más positivo. La puntuación representa la proporción de palabras que entran en esta categoría. Las puntuaciones de sentimiento negativo, sentimiento neutro y sentimiento positivo deberían sumar aproximadamente 1.
compound_sentiment_score: esta columna muestra una puntuación entre -1 y 1 del sentimiento compuesto. Los números negativos indican un sentimiento negativo, y los números positivos indican un sentimiento positivo. -1 es la puntuación más negativa, 0 es la puntuación más neutra y 1 es la puntuación más positiva.
sentiment_category: esta columna deriva de la puntuación de sentimiento compuesto, e incluye categorías positivas, negativas y neutras. Lo que el algoritmo clasifica como positivo, neutro y negativo depende de la configuración de la Clasificación negativa máxima y la Clasificación positiva mínima .