비디오: [토크ON세미나] 빅데이터(Big Data) 플랫폼의 이해 3강 | T아카데미 2024
사회 심리 분석은 Hadoop은 세계가 끊임없이 연결되어 있고 현재의 표현 인구가 많기 때문에 놀랄 일이 아닙니다. 이 유스 케이스는 포럼, 블로그 및 기타 소셜 미디어 리소스의 컨텐츠를 활용하여 사람들이하는 일 (예: 생활 이벤트)과 주변 세계에 대한 반응 (정서)을 개발합니다.
언어는 심지어 때로는 인간을 위해서조차 해석하기가 어렵습니다. 특히 자신과 다른 사회 집단의 사람들이 쓰는 텍스트를 읽는 경우 더욱 그렇습니다. 이 그룹의 사람들은 귀하의 언어를 구사할 수 있지만, 그들의 표현과 스타일은 완전히 외국이므로, 그들이 좋은 경험이나 나쁜 것을 이야기하고 있는지 전혀 알 수 없습니다.영화
라는 단어를 듣는다면, 영화가 좋지 않다는 것을 의미 할 수도 있습니다 (또는 젊었을 때 좋다). 칭찬으로 "다 폭탄"이라고 해석하는 운동); 물론, 항공사 보안 사업에 종사하는 경우 Bomb 라는 단어는 전혀 다른 의미를 지닙니다. 요점은 언어가 다양한 변수 방식으로 사용되고 지속적으로 진화하고 있다는 것입니다. 소셜 미디어에 대한 정서를 분석 할 때 여러 가지 방법 중에서 선택할 수 있습니다. 기본 메서드는 프로그래밍 방식으로 텍스트를 구문 분석하고 문자열을 추출하고 규칙을 적용합니다. 간단한 상황에서이 방법은 합리적입니다. 그러나 요구 사항이 진화하고 규칙이 복잡 해짐에 따라 수동으로 텍스트 추출을 코딩하는 작업은 코드 유지 관리의 관점에서 더 이상 실현 될 수 없으며 특히 성능 최적화에있어 더 이상 적합하지 않습니다.
또는 통계 기반 접근법이 정서 분석에 점점 더 보편화되고 있습니다. 복잡한 규칙을 수동으로 작성하는 대신 Apache Mahout에서 분류 중심의 기계 학습 모델을 사용할 수 있습니다. 캐치는 긍정적이고 부정적인 감정의 예를 들어 모델을 훈련해야 할 필요가 있다는 것을 알 수 있습니다. 제공하는 교육 데이터가 많을수록 (예: 트윗의 텍스트 및 분류), 결과가 정확 해집니다.
사회 정서 분석을위한 유스 케이스는 다양한 산업에 적용될 수있다. 예를 들어, 식품 안전을 고려하십시오. 가능한 한 빨리 식 인성 질병의 발발을 예측하거나 확인하는 것은 보건 당국자에게 매우 중요합니다.다음 그림은 잠재적 인 질병을 기반으로 추출기를 사용하여 트윗을 섭취하는 Hadoop 고정 응용 프로그램을 보여줍니다. FLU 또는 FOOD POISONING.
생성 된 히트 맵에 트윗의 지리적 위치가 표시됩니까? 큰 데이터의 세계에서 데이터의 한 가지 특징은 대부분 공간적으로 풍부해진다는 것입니다.
지역 정보 (및 시간 속성)도 있습니다. 이 경우 Twitter 프로필은 게시 된 위치를 검색하여 리버스 엔지니어링되었습니다.
많은 트위터 계정은 공개 프로필의 일부인 지리적 위치를 가지고 있습니다 (물론 고용주를위한 말과는 달리 자신의 생각이 분명하다는 면책 조항).
소셜 미디어는 독감 발생이나 식중독 사고에 예측 엔진이 얼마나 좋을까요? 표시된 익명화 된 샘플 데이터를 고려하십시오. 사회 미디어 신호가 늦은 여름과 초가을에 특정 미국군에서 독감 발발을 예측하기위한 다른 모든 지표를 뛰어 넘었 음을 알 수 있습니다. 이 예는 소셜 미디어를 분석하여 얻는 또 다른 이점을 보여줍니다. 이것은 포스터 프로파일의 속성 정보를 볼 수있는 전례없는 기회를 제공합니다. 허락 할지라도 사람들이 트위터 프로필에서 말하는 내용은 종종 불완전하거나 (예: 위치 코드가 기입되지 않음) 의미가 없습니다 (위치 코드가 cloud nine
라고 할 수 있음).
하지만 사람들이 말하는 것에 따라 시간이 지남에 따라 많은 것을 배울 수 있습니다. 예를 들어, 고객은 아기의 출생 발표, 최신 그림의 Instagram 그림 또는 월터 화이트의 행동을 믿을 수 없다는 페이스 북 게시를 트위터에 게시하여 (999) 트위터에 게시 할 수 있습니다 어제 밤
속보 피날레에서 유비쿼터스 예제에서 회사 그래프는 가족 그래프 (새로운 자식은 개인 기반의 마스터 데이터 관리 프로필의 중요한 업데이트입니다), 취미 (그림) 및 관심 속성을 채우는 수명 이벤트를 추출 할 수 있습니다 (당신은 쇼
속보 )를 좋아한다. 이러한 방식으로 소셜 데이터를 분석함으로써 취미, 생일, 생활 이벤트, 지리적 위치 (예: 국가, 주 및 도시), 고용주, 성별, 결혼과 같은 정보로 개인의 속성을 살릴 수 있습니다 상태 등을 표시합니다. 잠시 동안 당신이 항공사의 CIO라고 가정하십시오. 행복하거나 분노한 잦은 여행자의 게시물을 사용하여 정서를 확인하는 것은 물론 소셜 미디어 정보를 사용하여 고객 프로그램에 대한 고객 프로필을 완성 할 수 있습니다.
의 시즌 5가 현재 비행기의 미디어 시스템에서 사용 가능하다고 고객에게 알리는 이메일과 같이 잠재 고객을 방금 공유 한 정보로 얼마나 효과적으로 타겟팅 할 수 있는지 상상해보십시오 또는 2 세 미만의 어린이가 무료로 비행한다는 발표. 이는 또한 판매 시스템 또는 구독 데이터베이스와 같은 기록 시스템이 어떻게 참여 시스템 (예: 지원 채널)을 충족시킬 수 있는지 보여주는 좋은 예입니다. 로열티 멤버의 상환 및 여행 기록은 관계형 데이터베이스에 있지만, 참여 시스템은 레코드 (예: 기둥)를 업데이트 할 수 있습니다.
