Enviar pesquisa
Carregar
SASによるテキスト・アナリティクス入門
•
1 gostou
•
3,294 visualizações
SAS Institute Japan
Seguir
SASによるテキスト・アナリティクス入門
Leia menos
Leia mais
Dados e análise
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 29
Baixar agora
Baixar para ler offline
Recomendados
SASとHadoopとの連携
SASとHadoopとの連携
SAS Institute Japan
SASによる機械学習入門
SASによる機械学習入門
SAS Institute Japan
SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習
SAS Institute Japan
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SAS Institute Japan
Hadoopでアナリティクス8チェックリスト
Hadoopでアナリティクス8チェックリスト
SAS Institute Japan
SASとHadoopとの連携 2015
SASとHadoopとの連携 2015
SAS Institute Japan
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Institute Japan
無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U
SAS Institute Japan
Recomendados
SASとHadoopとの連携
SASとHadoopとの連携
SAS Institute Japan
SASによる機械学習入門
SASによる機械学習入門
SAS Institute Japan
SAS Enterprise Minerを使用した機械学習
SAS Enterprise Minerを使用した機械学習
SAS Institute Japan
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SASによるインメモリ分散並列処理 レコメンドプロシジャ入門
SAS Institute Japan
Hadoopでアナリティクス8チェックリスト
Hadoopでアナリティクス8チェックリスト
SAS Institute Japan
SASとHadoopとの連携 2015
SASとHadoopとの連携 2015
SAS Institute Japan
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Institute Japan
無料統計・予測分析ツールを提供:SAS Analytics U
無料統計・予測分析ツールを提供:SAS Analytics U
SAS Institute Japan
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析
SAS Institute Japan
Wasabi waiter game - Gamification in recruitment - Manu Melwin Joy
Wasabi waiter game - Gamification in recruitment - Manu Melwin Joy
manumelwin
Frank Michael encore un peu plus riche
Frank Michael encore un peu plus riche
Thierry Debels
Critiques of Community Forestry
Critiques of Community Forestry
amulya123
Experience WOW. A new benchmark in MDP / EDP
Experience WOW. A new benchmark in MDP / EDP
Pravin Rajpal
Analytic and strategic challenges of serious games
Analytic and strategic challenges of serious games
David Gibson
Nutritional Therapists of Ireland, Health Impacts of Water Fluoridation May 2014
Nutritional Therapists of Ireland, Health Impacts of Water Fluoridation May 2014
Declan Waugh
Groeispurt voor bvba kunstenaar Koen Vanmechelen
Groeispurt voor bvba kunstenaar Koen Vanmechelen
Thierry Debels
Drupal y la programación defensiva (spanish version)
Drupal y la programación defensiva (spanish version)
Eduardo Telaya
La hosteleria 22 Marta Pedra Wines (2)
La hosteleria 22 Marta Pedra Wines (2)
Ocio Vital
Presentacio nova cultura de la salut Toni Barbarà
Presentacio nova cultura de la salut Toni Barbarà
Dempeus Salut Pública
関連事例紹介A DX時代のビジネス戦略・要求
関連事例紹介A DX時代のビジネス戦略・要求
Hironori Washizaki
Tech summit2017 arukikata_all_final
Tech summit2017 arukikata_all_final
Microsoft Tech Summit 2017
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
Takahiro Kubo
SaaSビジネスを科学する -データで理解し、活用する- SaaS Talk by AWS Japan
SaaSビジネスを科学する -データで理解し、活用する- SaaS Talk by AWS Japan
poco-c
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
ReNom User Group
【SAP Inside Track Tokyo 2021 DAT】HANADB to SAC - CloudConnectorを使用したデータインポートに...
【SAP Inside Track Tokyo 2021 DAT】HANADB to SAC - CloudConnectorを使用したデータインポートに...
HisayoshiNagashima
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft
Strategy
Strategy
真吾 吉田
Strategy入門
Strategy入門
真吾 吉田
Cassandraとは -Cassandra Summit Tokyo 2017-
Cassandraとは -Cassandra Summit Tokyo 2017-
shiho muraoka
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
オラクルエンジニア通信
Mais conteúdo relacionado
Destaque
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析
SAS Institute Japan
Wasabi waiter game - Gamification in recruitment - Manu Melwin Joy
Wasabi waiter game - Gamification in recruitment - Manu Melwin Joy
manumelwin
Frank Michael encore un peu plus riche
Frank Michael encore un peu plus riche
Thierry Debels
Critiques of Community Forestry
Critiques of Community Forestry
amulya123
Experience WOW. A new benchmark in MDP / EDP
Experience WOW. A new benchmark in MDP / EDP
Pravin Rajpal
Analytic and strategic challenges of serious games
Analytic and strategic challenges of serious games
David Gibson
Nutritional Therapists of Ireland, Health Impacts of Water Fluoridation May 2014
Nutritional Therapists of Ireland, Health Impacts of Water Fluoridation May 2014
Declan Waugh
Groeispurt voor bvba kunstenaar Koen Vanmechelen
Groeispurt voor bvba kunstenaar Koen Vanmechelen
Thierry Debels
Drupal y la programación defensiva (spanish version)
Drupal y la programación defensiva (spanish version)
Eduardo Telaya
La hosteleria 22 Marta Pedra Wines (2)
La hosteleria 22 Marta Pedra Wines (2)
Ocio Vital
Presentacio nova cultura de la salut Toni Barbarà
Presentacio nova cultura de la salut Toni Barbarà
Dempeus Salut Pública
Destaque
(11)
SAS High-Performance Analyticsによるビッグデータ解析
SAS High-Performance Analyticsによるビッグデータ解析
Wasabi waiter game - Gamification in recruitment - Manu Melwin Joy
Wasabi waiter game - Gamification in recruitment - Manu Melwin Joy
Frank Michael encore un peu plus riche
Frank Michael encore un peu plus riche
Critiques of Community Forestry
Critiques of Community Forestry
Experience WOW. A new benchmark in MDP / EDP
Experience WOW. A new benchmark in MDP / EDP
Analytic and strategic challenges of serious games
Analytic and strategic challenges of serious games
Nutritional Therapists of Ireland, Health Impacts of Water Fluoridation May 2014
Nutritional Therapists of Ireland, Health Impacts of Water Fluoridation May 2014
Groeispurt voor bvba kunstenaar Koen Vanmechelen
Groeispurt voor bvba kunstenaar Koen Vanmechelen
Drupal y la programación defensiva (spanish version)
Drupal y la programación defensiva (spanish version)
La hosteleria 22 Marta Pedra Wines (2)
La hosteleria 22 Marta Pedra Wines (2)
Presentacio nova cultura de la salut Toni Barbarà
Presentacio nova cultura de la salut Toni Barbarà
Semelhante a SASによるテキスト・アナリティクス入門
関連事例紹介A DX時代のビジネス戦略・要求
関連事例紹介A DX時代のビジネス戦略・要求
Hironori Washizaki
Tech summit2017 arukikata_all_final
Tech summit2017 arukikata_all_final
Microsoft Tech Summit 2017
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
Takahiro Kubo
SaaSビジネスを科学する -データで理解し、活用する- SaaS Talk by AWS Japan
SaaSビジネスを科学する -データで理解し、活用する- SaaS Talk by AWS Japan
poco-c
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
ReNom User Group
【SAP Inside Track Tokyo 2021 DAT】HANADB to SAC - CloudConnectorを使用したデータインポートに...
【SAP Inside Track Tokyo 2021 DAT】HANADB to SAC - CloudConnectorを使用したデータインポートに...
HisayoshiNagashima
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft
Strategy
Strategy
真吾 吉田
Strategy入門
Strategy入門
真吾 吉田
Cassandraとは -Cassandra Summit Tokyo 2017-
Cassandraとは -Cassandra Summit Tokyo 2017-
shiho muraoka
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
オラクルエンジニア通信
800件の事例から見た、オンプレからAWSへのマイグレーションの秘訣
800件の事例から見た、オンプレからAWSへのマイグレーションの秘訣
Takahisa Iwamoto
データ分析基盤構築のポイントと関連クラスメソッドサービスの紹介
データ分析基盤構築のポイントと関連クラスメソッドサービスの紹介
Yosuke Katsuki
AgileJapan 2017 ビジネスアジャイル 匠Methodとスクラム
AgileJapan 2017 ビジネスアジャイル 匠Methodとスクラム
Hagimoto Junzo
AWSサムライハンズオン CDPから始めよう #jawsdays
AWSサムライハンズオン CDPから始めよう #jawsdays
真吾 吉田
機械学習デザインパターン Machine Learning Design Patterns
機械学習デザインパターン Machine Learning Design Patterns
Hironori Washizaki
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
BrainPad Inc.
melonDesignerの説明
melonDesignerの説明
Hisashi Sakai
Css Architecture for the future 未来を見据えるCSS設計
Css Architecture for the future 未来を見据えるCSS設計
Horiguchi Seito
ビジネスモデルのデザインプロセス
ビジネスモデルのデザインプロセス
Nitta Tetsuya
Semelhante a SASによるテキスト・アナリティクス入門
(20)
関連事例紹介A DX時代のビジネス戦略・要求
関連事例紹介A DX時代のビジネス戦略・要求
Tech summit2017 arukikata_all_final
Tech summit2017 arukikata_all_final
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
SaaSビジネスを科学する -データで理解し、活用する- SaaS Talk by AWS Japan
SaaSビジネスを科学する -データで理解し、活用する- SaaS Talk by AWS Japan
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
【SAP Inside Track Tokyo 2021 DAT】HANADB to SAC - CloudConnectorを使用したデータインポートに...
【SAP Inside Track Tokyo 2021 DAT】HANADB to SAC - CloudConnectorを使用したデータインポートに...
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Strategy
Strategy
Strategy入門
Strategy入門
Cassandraとは -Cassandra Summit Tokyo 2017-
Cassandraとは -Cassandra Summit Tokyo 2017-
Oracle Advanced Analytics 概要
Oracle Advanced Analytics 概要
800件の事例から見た、オンプレからAWSへのマイグレーションの秘訣
800件の事例から見た、オンプレからAWSへのマイグレーションの秘訣
データ分析基盤構築のポイントと関連クラスメソッドサービスの紹介
データ分析基盤構築のポイントと関連クラスメソッドサービスの紹介
AgileJapan 2017 ビジネスアジャイル 匠Methodとスクラム
AgileJapan 2017 ビジネスアジャイル 匠Methodとスクラム
AWSサムライハンズオン CDPから始めよう #jawsdays
AWSサムライハンズオン CDPから始めよう #jawsdays
機械学習デザインパターン Machine Learning Design Patterns
機械学習デザインパターン Machine Learning Design Patterns
Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
melonDesignerの説明
melonDesignerの説明
Css Architecture for the future 未来を見据えるCSS設計
Css Architecture for the future 未来を見据えるCSS設計
ビジネスモデルのデザインプロセス
ビジネスモデルのデザインプロセス
Mais de SAS Institute Japan
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Institute Japan
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Institute Japan
SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順
SAS Institute Japan
ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?
SAS Institute Japan
SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出
SAS Institute Japan
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Institute Japan
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Institute Japan
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Institute Japan
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS Institute Japan
SAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 予測モデリング
SAS Institute Japan
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AI
SAS Institute Japan
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS Institute Japan
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS Institute Japan
SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!
SAS Institute Japan
Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編
SAS Institute Japan
Python / R で使うSAS Viya
Python / R で使うSAS Viya
SAS Institute Japan
Mais de SAS Institute Japan
(16)
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(2)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Japan Blog 記事「統計的因果推論コラム(1)」補足資料
SAS Learning Subscription 登録手順
SAS Learning Subscription 登録手順
ディープラーニングは、時系列予測でも最強なのか?
ディープラーニングは、時系列予測でも最強なのか?
SAS Viyaのディープラーニングを用いた物体検出
SAS Viyaのディープラーニングを用いた物体検出
SAS OnDemand for Academics 登録方法
SAS OnDemand for Academics 登録方法
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Visual Analytics 8.3 におけるクロス集計表の作成と可視化
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS Viyaによる意識改革からみえたData Scientistの生き方 ~僕たちはどう生きるか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS ViyaのCNNを活用したProcess Innovation ~機械は解析図表をどう見ているのか~
SAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 予測モデリング
SAS Viya Deep Dive: 自然言語処理&AI
SAS Viya Deep Dive: 自然言語処理&AI
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS University Editionにおける日本語を含むファイルの取り扱い
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS言語派集まれ!SAS StudioからSAS Viyaを使ってみよう!
SAS Viya で異常検知してみよう!
SAS Viya で異常検知してみよう!
Pythonで操るSAS Viyaの画像処理技術入門編
Pythonで操るSAS Viyaの画像処理技術入門編
Python / R で使うSAS Viya
Python / R で使うSAS Viya
SASによるテキスト・アナリティクス入門
1.
SASによるテキスト・アナリティクス入門 津田高治 アナリティクス推進グループ Introduction of SAS
Text Analytics Takaharu Tsuda Analytics business development
2.
要旨: 以下に要旨を記載(100文字以内) テキスト・アナリティクスの分類問題(教師付き・教師なし学習)やトピッ ク抽出・次元圧縮などのテーマに対するSASの方法論の紹介を行う. ベイジアンネット,ベクター空間モデル,SVDなど、ビジネス現場での事 例紹介と共にその方法・適用例・結果を議論する. キーワード:続けてキーワードを記載 テキスト・アナリティクス,ベイジアンネット,正規表現,SVD,活用事例 2
3.
意味ある話題の発見、ソーシャルメ ディア、コールセンターから知見を発 見し、さらに深い分析へ結びつける そのことでビジネスへの貢献をする データから関連性を発見し将 来に関する精確な予測を実現 する 時系列を分析し、将来の意思 決定に貢献する洞察を導く ビジネスのダイナミクス を捉え、リソースの最適 配置を提案する 時系列予測 データマイニング テキストマイニング 最適化 アナリティクス基盤 先進アナリティクス INFORMATION MANAGEMENT Copyright © 2014,
SAS Institute Inc. All rights reserved. SASの考える先進アナリティクス 3
4.
テキスト・アナリティクスとは 4
5.
テキスト・アナリティクスとは 大量の文書から 隠れたパターン(知見) を発見 でも知見で終わりではない • 業務データと結びつける • データマイニングする ビジネス活用をする 5
6.
SASのテキスト・アナリティクスとは アクセス 探索 情報追加 業務活用 予測モデル 時系列予測 最適化 マーケットバスケット ネットワーク分析 データ準備 ウェブ探索 ファイル情報検索 SASのAPI ファイル取り込み ドキュメント変換 語出現頻度 コンセプトリンク スペルミスの発見 ステミング トピックの抽出 モデリング 分類 固有表現抽出 感情分析 重複排除 言語識別 エンタープライズ・レポート
ビジュアル化 アラート サードパーティ・アプリと統合 SAS テキストマイニング 6
7.
SASのテキスト・アナリティクスとは 活用 データ 分析 コールセンター 営業日報 社内文書
Eメール論文・技術文書 自動トピック自動分類 詳細なレベルの 感情分析 多言語対応 固有表現・ 事実の抽出 書かれている内容 に従って文書群を 自動トピック抽出 事前定義に従って 自動振り分け 人名・地名・時間・モ ノなどを抽出する 一つの文書の中で 好評・不評が混在 する、最も詳細レベ ルで評判分析 世界の27言語以 上で自然言語処 理を行う マーケティング セキュリティ・ディ フェンス 製品品質・製品 開発 コールセンター 顧客の興味エリアを理解 し、リコメンデーションする (協調フィルタリング) クレーム/要望などの感 情・緊急度、製品区分等 でテキストを自動振分け 事件の関係者や場所・モ ノ(クルマ、武器)など の関係性を描く、それと 自社との関係をアラート 品質業務の高度化をテ キストに基づく予測分析 で行う、評判を製品開 発に活かす 収益拡大 マーケティング ROI最大化 人件費削減 作業品質 の標準化 コスト削減 イメージアップ SNS フェイスブック ツイッター ニュースブログ 多様なデータアクセス(各種データ形式対応、データソース接続、等) 統 合 メ タ デ ー タ 管 理 SAS® Text Miner SAS® Contextual Analysis SAS® Sentiment Analysis 全体 多様な分類器 ベイズ推定、K近傍等 文書レベルでの 感情分析 ドキュメントレベルで 感情分析を行う 7
8.
事例と基本技術 8
9.
導入事例A-声を発見する 「私はカフェで紅茶を飲 むのが毎日です。」 毎朝エクセルシオールカ フェでコーヒーを飲んで いる 私は紅茶は飲まないの です ①元の文章 ②形態素解析の結果(列数が多い) 語句の一致 私 は
カ フ ェ で 紅 茶 を 飲 む の が 毎 日 で す 。 .. 一 致 = 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 少ない列数(例.100) 1 0 1 0 0 1 1 0 .. 0 0 0 1 1 0 0 0 .. 0 0 1 0 0 1 1 0 .. 0 1 0 0 1 0 0 0 .. 行 数 = 文 書 数 行 数 = 文 書 数 ④n次元空間で近い文書をグループ化⇒「トピック」 ③次元数を落とす ⑤注目すべき記事を特定 × × × × × × × × × × × × × 3次元イメージ × × × × × × × × × × ××× × × トピック=携帯電話やスマートホン低次元座標でクラスタリング トピック=B級グルメ × × × × × × × × ×× トピック=渋谷ファッション おすすめ⇒メンズ108春もの杮落し 9
10.
導入事例A-声を発見する~結果のイメージ クラスターのイメージ • トピック(クラスタリング)は一定の正確性がある • 特徴が顕著な記事に高い注目度が付く傾向がある •
情報量の多い記事に高い注目度が付く傾向がある パソコン 2013秋冬モデルについて グルメについて 事件など 10
11.
導入事例A-声を発見する~変化を捉える 新しい話題の出現 話題の密度や件数の増加 ※密度は注目度、件数は盛り上がりを指すと考えられる 変 化 1 変 化 2 11
12.
12 導入事例B-声を分類する まず、固有表現を抽出するロジックと結果 「異音」 に関する固有表現 「場所や状況」 に関する固有表現 「クルマの異音」 に関する事実抽出 【テスト結果】 テキストの中から 「クルマの異音」 に該当する 事実の抽出が行われた
13.
導入事例C-声を分類する ………………… ………………… ………………… ………………… ………………… ………………… ………………… ………………… メール アイドル 無料 科学 この語句は 70%の確率で 迷惑メールに含まれる この語句は 20%の確率で 迷惑メールに含まれる この語句は 75%の確率で 迷惑メールに含まれる この語句は 20%の確率で 通常メールに含まれる この語句は 50%の確率で 通常メールに含まれる この語句は 12.5%の確率で 通常メールに含まれる 過去のメール集 迷惑メール 通常メール 過去のデータ(メール)から以下の値を得る (ツールで算出) ⇒通常メールと迷惑メールの比率は4:6 ⇒キーワード別の 通常メールと迷惑メールそれぞれに 含まれる確率 語句 通常メール 迷惑メール 統計
0.8(*1) 0.1 科学 0.5 0.2 無料 0.2 0.7 アイドル 0.125 0.75 1)予め過去のデータで学習しルールを導いておく 2) ルールを新しいデータに当てはめ、結果を導く (*1) 通常メールが100通あれば、 その中の80通に「統計」という語句が含まれる 通常メール : 迷惑メール = 4:6 (このメールが) 通常メールである確率 : 迷惑メールである確率 = (0.2×0.4)× (0.5×0.4)× (0.125×0.4) : (0.7×0.6)× (0.2×0.6)× (0.75×0.6) =0.0008 : 0.02268 (ツールで算出) よって迷惑メールである確率の方が高い 6 4 例.「アイドル」や「無料」 など迷惑メールに特徴的な 語句、「統計」や「科学」な ど通常メールに特徴的な語 句を選択(ツールで選択) (ツールでキーワード一致を検索) 13
14.
導入事例C-声を分類する~分類精度 カテゴリー判別 感情判別 分類精度 95%
91% 分類対象 ニュース、SNS ニュース、SNS 活用した手法 • Naive Bayes • Tree augmented network (TAN), • Bayesian network-augmented naïve (BAN), その他 左記に加え 係り受けを考慮した分析 分類精度の 算出手法・根 拠 • 教師データから分類ルールを機械学習で導く • 検証データを分類ルールに則って自動分類 • 検証データの分類結果を検証 誤分類の原因 同一キーワードが複数の意味で使われる ことに対応できていない 皮肉表現やスラング,抑制表現に対応で きていないため 誤分類の改善 ニュースとSNSの2種類のデータそれぞれに モデル構築するなどで、表現の多様性に 対応する 多様なニュアンスに対応できる教師データ を用意するなど機械学習の学習材料を豊 富にする ベイジアンネットのイメージ図 下記の精度報告は特定データを用いた例示であり、一般的な精度保証をするものではありません 14
15.
ビジネス活用~アプローチ別 導入事例 技術 分析のタイプ
手法の例 目的 活用例 導入事例A 機械 学習 教師なし SVD 未知のトピックを発見 ネットの声を把握 導入事例B ルール ベース 教師あり ベイジアン ネット サブジェクト・エキス パートが高い精度で 分類ルール作成 製品品質など基幹の 業務 導入事例C 機械 学習 教師あり 正規表現 一定品質で標準的 な分類 顧客の声から リコメンド 15
16.
参考~テキストのサマリー ①語に重みをつける(以下はエントロピーのイメージ) ②文の重みを算出、特に重要度の高い文をピックアップする 【語の重み】とは文書内における重要度(内容を示唆する力)のこと ③話し手のクセ(言いたい ことを言う前のキュー)など を考慮(プロジェクト別で チューニング) エントロピー大きい エントロピー小さい ④テキストサマリーとする ジェリービーン1つを語とイメージ (語が内容を示唆しない) 語が内容(この例では位置)を示唆する ミーティングのテキスト起こし(あー、まぁ、などもそのまま収録。) 15分程度の会話ログを9行にサマリー(おおよその内容を示唆) 方法 結果 16
17.
テキスト・アナリティクスのプロセス ドメイン・エキスパート 機械学習で新 たな発見 ビジュアル化 予測モデリング 業務アプリ テキスト・ データ 構造化 データ ルールベースで分類 感情分析 内容が追加された データ アドホック分析 17
18.
システムの概念図 【活用】【外部データ】 データ獲得 【内部データ】 省内の ヘルプデスクデータ 【分析サーバー】 機械学習 ビジュアライゼーション ルールベース データ獲得 収益拡大 マーケティング ROI最大化 人件費削減 作業品質 の標準化 コスト削減 イメージアップ 18
19.
テキスト・アナリティクスの発展 テキストを分析する テキストから 知見を得る アクションを精緻化する テキストから アクションする 例.顧客を知るために •テキストを読む •人海戦術 ・頻度 ・分類 ・インデックス付け ・自動トピック抽出 ・エンティティの抽出 ・要約 ・ビジネスを予測する ・リコメンドする ・プロファイリングする 例.顧客を知るために •興味エリア・マップ •関係者のマップ 例.顧客を知るために •未来のビジネスを知る •個人の興味を知る ・パワフルな機械学習 ・精緻なルールベース ・2つの統合と発展 例.顧客を知るために •未知の声を知る •既知のルールにする •リコメンド精度の向上 19
20.
事例紹介 20
21.
事例~製薬業界 機械学習 ・予測モデル ルールベース ・リスク分類 リスク観点で 分類済みの テキスト 新たなテキスト (健康被害) リスクの内容や程度に 応じて社内のライト・ パーソンに割り振ります オンライン処理(顧客の声などテキストが発生した際にリスクスコアを付与) 機械学習 テキスト・マイニ ング 特徴的な キーワードや ルール ルールベース 分類ルール データ獲得 過去のテキスト (健康被害) 機械学習で明らかになったキーワードなどからルールを組み上げる 重要なキーワードの検知と各種のリスクとの相関発見 学習処理(機械学習、ルールベースでリスクとの関連付けを構築する) 21
22.
事例~製薬業界 機械学習のイメージ 特定リスクの有無をテキストの内容で説明する機械学習 新たなテキストに対して、そのテキストの内容から特定リスクの可能性を算出する活用 リスク関連キーワードのイメージ ハイ・リスク ロー・リスク 22
23.
Web入力 問い合わせ Web入力 データ Eメール 葉書/FAX 電話 お客様の お問い合わせ データ 副作用の報告 使用期限 製品不良 使用方法の 問い合わせ その他 SAS® Content Categorization SAS®Add-in for Microsoft Office SAS®Web
Report Studio 商品情報 コール センター キーワードで 分類 メール、コールセンターなど違うメディアを使って 集められたお客様からの問い合わせを、主観に とらわれずに、同じ基準で効率良く分類する。 集められた問い合わせ 事例~製薬業界 23
24.
事例~製造業 データ獲得 テキスト情報 ・ニュース ・SNS ポジティブ ニュートラル ネガティブ 感情 企業の評価 価格 製品の品質 使い勝手 販売活動 その他 内容 × 6 3 分類 正解率(例) 内容 86%
(86/100) 感情 80% (80/100) ベイジアンネットのイメージ図 キーワードの例など(クルマ) **内容の分類** 【企業の評価】(例.会社) 【価格】(例.キロ) 【製品の品質】(例.リコール) 【使い勝手】(例.初めて) 【販売活動】(例.人気) **感情の分類** 【ポジティブ】(例.思う、良い) 【ネガティブ】(例.事故、走行) クレームにつながるキーワード クレーム・テキストから機械学習 で抽出することが可能です。 上述のキーワードがその例です。 機械学習のイメージ(ベイジアンネット) 24
25.
事例~製造業 保証 エンジニア コールセンター SNS ルールベース 分類 クラスター分析 × × × × × × × × × × × × × × × × × × × ×
× × × ××× × × × 辞書 ルール 既知 未知※ 既知~分類完了 ルール 追加 「今を見る」: ワイブル分析 「将来を予測する」: ニューラルネット アウトプット・イメージ 未知~新しい知見の発見 凡例 ①ルール実行(ECC) ⑨事象名付与 ⑩教師テキスト選定 ②書出実行(EG) ③分析実行(EG) ④予測実行(EM) ⑤レポート作成(VA) ユーザー処理 機械の自動実行 ⑥レポート閲覧(VA) 分類済み 不具合事象報告 ECC: Enterprise content categorization EM: Enterprise Miner EG: Enterprise Guide VA: Visual Analytics TM: Text Miner MM: Model Manager 青字:既知の不具合事象に対する処理 緑字:未知の不具合事象に対する処理 事象名付与 教師テキスト選定 (20-30テキスト) 25
26.
事例~通信 ジャンル コンテンツ ジャンルと特徴的な語句との 関係を統計的に導く モデル ユーザーのサイトアクセス カテゴリー類推 ユーザーの興味を知る 例.マーケティング 「地域Aに住む映画好きの男性一覧」 26
27.
事例~公共 • エンティティ- 人物
/ 時間/ 場所 / 行動 / モノ(車両) • 例. A氏が2014年4月9日B氏所有のクルマに乗りXYZショッピング・モールで薬品を買った D氏 A氏 事象 1/25 B氏 クルマ2 C氏 事象 2/1 クルマ1 クルマ 3 モノ2 2013 モノ1 2013 27
28.
事例~公共 CSV 10シス テム フィルタ リング カテゴ リー分け 対応の 選択 対応 XX万件/月 カテゴリー分類 (20)する データ整 理 システムについて サービスについて 料金について クレーム 問合せ 要望 対応について ポリシーについて 申し込み × 機能の評価や 改善要求に対す る対応方法 テ キ ス ト ・ マ イ ニ ン グ 既定のカテゴリー 28
29.
29 事例まとめ 業種 会社名 業務課題
SASによる解決 製造業 A社 (国内) テキストデータを用いた顧客へのリコメンド を実施していたが、データ量や海外展開 などを考慮すると生産性を大きく向上する 必要があった SAS® Text MinerによりGUIベースのアナリティク スを可能にすることで生産性を大きく向上させることが できた。将来の海外展開もより容易な点を評価。 製造業 B社 (国内) 新規顧客の顧客像を明確に描くことがで きず、マスに対する画一的な訴求しかでき ていなかった SAS® Enterprise Miner とText Minerによりイ ンターネット上の消費者の感想と受注データの相関 分析をし、新規顧客のプロファイルを浮かび上がらせ、 施策に結びつける 製造業 C社 (国内) 製品品質のさらなる向上のために社内 データ・インターネットデータを活用したい SAS® Enterprise Miner とText Miner, SAS® Enterprise Content categorizationに より製品品質と社内データ・SNSデータの相関を導 き、よりプロアクティブな活動を容易にした 金融業 D社 (国内) マーケティングでアナリティクスを活用してい るが、さらに詳細・幅広い顧客の理解や マーケティングの施策を実施したい 顧客の取引履歴のテキストデータをEnterprise Content Categorization とText Minerで分析 して顧客の興味やセグメントをより深く・広く理解、 マーケティングなどの施策に活用 金融業 E社 (国内) コールセンターのお客様との膨大な会話ロ グをテキスト化して、ビッグデータ活用につ なげたい テキスト化された音声データを大量データストアに格 納した上で、顧客の要望や興味を分析し、営業的 顧客対応やマーケティング等に活用する パブリックセキュリティ F 国家警察 (海外) 事件の関係者・場所・時間・もの(クル マ・武器・薬物等々)とそれらの関係性 を取り調べ記録からマップとして抽出する ことに多大な時間とワークがかかっていた SAS® Enterprise Content Categorization により取り調べの電子データから左記のエンティティ (関係者・場所・等々)を自動抽出し、関係者マッ プを描き出すことを可能に。また過去の類似事件の 関係者一覧等。
Baixar agora