�ݺ�ߣ

Copyright © 2012, SAS Institute Inc. All rights reserv ed.
GOEDE TIJDEN SLECHTE TIJDEN, IENS AJAX?
TEXT ANALYTICS EN MACHINE LEARNING IN ACTION
Longhow Lam -- Data Scientist
Heliview – Business Analytics
https://www.linkedin.com/today/author/7434679
https://longhowlam.wordpress.com/
@longhowlam
http://www.slideshare.net/LonghowLam

AGENDA
 Inleiding Text mining & Machine learning
 Ludieke voorbeelden
 Goede tijden Slechte tijden
 IENS Reviews
 Ajax wedstrijden

INLEIDING TEXT MINING EN
MACHINE LEARNING

TEXT MINING BASIS
Document 1: “Ik loop over straat in Amsterdam, 1057DK, met mijn fiets”
Document 2: “Zij liep niet maar fietste met haar blauwe fieets, //bitly.com/sdrtw”
Document 3: “Mijn tweewieler is kapot, wat een slecht stuk ijzer, @#$%$@!”
Terms Doc 1 Doc 2 Doc 3
+Fiets (znmw) 1 1 1
Fietsen (ww) 0 1 0
Blauwe (bvg) 0 1 0
Amsterdam (locatie) 1 0 0
+Lopen (ww) 1 1 0
Straat (znmw) 1 0 0
Kapot (bijw) 0 0 1
Slecht 0 0 1
Stuk Ijzer 0 0 1
1057DK (postcode) 1 0 0
//bitly.com/sdrtw (Internet) 0 1 0
TERM DOCUMENT MATRIX: A
• Elk document is een (zeer) lange vector van
tellingen (vaak veel nullen!)
• Teksten / ongestructureerde data is zijn nu
“gewone data” geworden.
• Comprimeer / reduceer deze matrix A
• Pas machine learning toe op gereduceerde

TEXT MINING BASIS
“Geavanceerd” woordjes tellen
 Parse & Filter
 Part of speech
 Entity detection
 Mixed / numeric / abbrev.
 Stemming
 Spell checks, Stop lijst, Synoniem lijst
 Multi-term woorden
 Pas Traditionele data mining toe
 Clustering
 Prediction / machine learning

TEXT MINING VOORSPELLEN OF CLUSTEREN
Combineer teksten en “gewone data” om gedrag te voorspellen (churn / fraude)
Pas machine learning toe om
gedrag Y te voorspellen met een
model f
Maak automatisch topics / clusters in hoge stapels documenten
Pas cluster technieken toe om documenten
in clusters (topics) in te delen
Topic 1 Topic 2 Topic 3

MACHINE LEARNING ENKELE TECHNIEKEN
Voorspellen
Trees
Random Forests
Clusteren
K-means
Hiërarchisch clusteren
DBSCAN
Lineaire regressie
f
y = f(x) = a0 + a1x1 + a2x2+…anxn
Neurale netwerken y = f(g(h(x)))

TEXT MINING VOORBEELDEN
ECHTE DATA MAAR LUDIEKE VOORBEELDEN
Ludieke voorbeelden met directe toepassingen
 Goede tijden slechte tijden Soap analytics
 Iens Restaurant analytics
 Ajax Wedstrijd verslagen

GTST ANALYSIS TEXT ANALYTICS
Business pain
Kijkend naar een paar GTST afleveringen: waar gaat dit over, zijn
er trends in de serie, is het niet allemaal het zelfde?
Aanpak
Neem alle duizenden samenvattingen en pas SAS text mining toe

GTST ANALYSIS RESULTATEN
Hoofd topics in 5000 afleveringen

GTST ANALYSIS RELATIE TUSSEN TOPICS

GTST ANALYSIS INZOOMEND OP EEN TOPIC

GTST ANALYSIS INZOOMEND OP EEN TOPIC
Sub-topics van een hoofd topic: topic 16 (Ludo, Isabelle, Martine, Janine)
 Het eenzaam voelen van Harmsen.
 Plan van Jack, gevaarlijk
 Afscheidsbrief schrijven
 Paniek, angst,
 Vragen opdracht kind geven
 Geld terug krijgen betalen
Business validatie: De trouwe GTST kijker bij SAS kan zich hierin vinden…..

GTST ANALYSIS RESULTATEN
Trends over tijd m.b.v. een Bayesian belief netwerk

GTST ANALYSIS TRENDS OVER TIJD

GTST ANALYSIS GELIJKENIS AFLEVERINGEN OVER DE JAREN

IENS RESTAURANT PATH ANALYTICS
Business pain
Ik heb Chinees gegeten. Waar moet ik de volgende keer eten?
Kan ik het sentiment voorspellen?
Aanpak
Kijk naar wat andere doen, IENS restaurant reviewers!

EERST EEN PAAR
LUDIEKE FEITJES
IENS DATA (TRADITIONELE BI)
Meest voorkomende naam (39 keer)
Onder “Hollandse”
restaurant (6 keer)
Duurzame keukens
Biologisch (67%)
Frans (58%)
Vis (44%)
Vegetarisch (39%)
Regionaal (36%)
…
…
Chinees (3%)
Zo’n 700 reviews op een “normale” zaterdag
Valentijn 2015 1200 reviews (1.7 keer)
23 keer
12 keer

IENS RESTAURANT PATH ANALYSIS: GEGENEREERDE REGELS

IENS REVIEWS VOORSPEL SENTIMENT M.B.V. DE REVIEWS ZELF
 Text miner om te parsen, filteren en reduceren
 Machine learning om eet cijfer te voorspellen

IENS REVIEWS HET EET CIJFER VOORSPELLEN
Neuraal network (2 X 20) R2 van 0.65
Random forest (250 trees) R2 van 0.63
Linear regressie model R2 van 0.56

Voorspelde score versus de Gegeven score
IENS REVIEWS HET EET CIJFER VOORSPELLEN

IENS REVIEWS SENTIMENT ANALYSE / PREDICTIVE MODELING

AJAX VOETBAL VERSLAGEN
Business pain
Ik kan niet mee praten op mijn werk over voetbal
Kan ik wat tips meegeven aan ons SAS NL voetbal team?
Aanpak
Text mine alle Ajax voetbal verslagen en leer wat
interessante resultaten uit je hoofd.
Er zijn 476 voetbal verslagen. Ik heb gescraped
van seizoen 2000/01 tot 2014/15.

AJAX CONCEPT LINKING VOETBAL TIPS EN STOF OM OVER MEE TE PRATEN
Het verdedigingstrio van der Wiel,
Vertongen, Anita
Wie herinnert zich niet de mooie passes
van Aldewereld naar Boerrigter
Chivu, Machlas en Heitinga worden
vaak geassocieerd met overtredingen
Zorg niet voor veel balverlies, is een
domper zorgt voor onrust en leidt niet tot
een overwinning
De Jong en Chivu worden vaak met
verlies geassocieerd.
Knullig spelen levert ook grote kans op
verlies…..
Score binnen 23 minuten! Leidt vaak tot winst

AJAX CONCEPT LINKING VOETBAL TIPS EN STOF OM OVER MEE TE PRATEN

WERKT HET ? SAS NEDERLAND VOETBAL TEAM
Twee weken geleden 6e geworden i.p.v. altijd laatste !!!!

SAMENVATTEND
 Analyse op teksten is makkelijk te doen.
 Snel inzichten uit teksten te halen
 Business validatie nodig en belangrijk!
 Dit is ludiek! Maar talrijke serieuze toepassingen

�ݺ�ߣ

Heliview 29sep2015 slideshare

Recommended

More Related Content

Viewers also liked (6)

More from Longhow Lam (14)

Heliview 29sep2015 slideshare