VELFÆRDENS INNOVATIONSDAG, 24. JAN Tekstanalyse. Kaare Brandt Petersen, Projektchef, ph.d. 30 JANUARY COPYRIGHT SAS INSTITUTE

Transkript

1 VELFÆRDENS INNOVATIONSDAG, 24. JAN 2013 Tekstanalyse Kaare Brandt Petersen, Projektchef, ph.d JANUARY COPYRIGHT SAS INSTITUTE

2 INTRODUKTION Tekstdata findes overalt i det offentlige Rapporter, notater, journalisering, s mellem kolleger, sagsbehandling Spørgeskemaer, s fra borgere, ansøgninger, dokumentation, kommentarfelter Online nyhedsmedier, sociale medier, 2 30 JANUARY COPYRIGHT SAS INSTITUTE

3 INTRODUKTION Digitaliseringsstrategi Den fællesoffentlige digitaliseringsstrategi Det offentlige skriver til borgerne via s Hver borger får pligt til at have en adresse 80% af ansøgninger og anmeldelser skal være digitale 3 30 JANUARY COPYRIGHT SAS INSTITUTE

4 INTRODUKTION Det tager tid at læse Man kan læse ca 300 ord i minuttet A4 side: ca 500 ord (1.6 min) 100 siders rapport: ord (2.7 timer) ord i biblen (5.3 dage*) Antal ord i en sag om tvangsfjernelse? Antal ord i alle relevante sager at sammenligne med? Antal ord i det samlede danske nyhedsbillede? 4 30 JANUARY COPYRIGHT SAS INSTITUTE * = 8 timers læsning per dag.

5 INTRODUKTION Mennesker skriver tekst til mennesker Det meste tekst er skrevet af mennesker med det formål, at blive læst af mennesker Konteksten for indholdet forventes kendt Ordinære udfordringer som negationer, stedord, forkortelser, jargon, ironi, fagtermer, særlige formuleringer Rapportering, automatisering og statistisk analyse kræver tekstanalyse software 5 30 JANUARY COPYRIGHT SAS INSTITUTE

6 INTRODUKTION Tekstanalyse gør tekst til struktureret data Søgning Alarmer Kategorisering Rapportering Overblik Målbarhed Evidens Automatisering Indsigt 6 30 JANUARY COPYRIGHT SAS INSTITUTE

7 Eksempler på tekstanalyse 7 30 JANUARY COPYRIGHT SAS INSTITUTE

8 EKSEMPLER PÅ TEKSTANALYSE Hvem, hvor og hvornår? Avisartikel i Politiken omkring en domfællelse hvilke informationer ligger i teksten? F.eks. Steder Personnavne Tidsangivelser 8 30 JANUARY COPYRIGHT SAS INSTITUTE

9 EKSEMPLER PÅ TEKSTANALYSE Indhold og begreber Hvordan beskrives funktionsadskillelse ift lønudbetalinger? Positivt? Negativt? Mangler beskrivelsen? 9 30 JANUARY COPYRIGHT SAS INSTITUTE

10 EKSEMPLER PÅ TEKSTANALYSE Hvilke emner bliver der talt om? Politiets døgnrapporter døgnrapporter Hvilke emner bliver der gengivet fra et statistisk synspunkt? Røveri, kiosk, pengeinstitut,.. Forsøg, røveri, indbrud, tankstation Ild, container, lejlighed, bil, JANUARY COPYRIGHT SAS INSTITUTE

11 EKSEMPLER PÅ TEKSTANALYSE Er stemningen god, dårlig, aggressiv,..? Problematik Højreekstreme personer udtrykker sig ofte på nettet. Manuel gennemgang er ressourcetung og utilstrækkelig Løsning Anvende tekstanalyse til at fastlægge typisk trusselsniveau og afvigelser fra dette Automatisk identifikation af personer med usædvanlig groft sprogbrug (selv blandt højreekstreme) JANUARY COPYRIGHT SAS INSTITUTE

12 Kundehistorier JANUARY COPYRIGHT SAS INSTITUTE

13 KUNDEHISTORIER Sygehus Lillebælt Klinisk Korrekt Tidstro Registrering DRG-kodning af diagnoser bruges til intern afregning mellem regionen og sygehusene Sikring af sammenhæng mellem diagnoser dokumenteret i teksten i patientjournalen og de påsatte DRG-koder JANUARY COPYRIGHT SAS INSTITUTE

14 KUNDEHISTORIER Kvalitets- og tilsynsstyrelsen KTST under Ministeriet for Børn og Undervisning 1150 regnskaber til årlig gennemgang Analyse af tekst i årsrapporter og revisionsprotokollater Automatisk godkendelse ved overholdelse af en række regler JANUARY COPYRIGHT SAS INSTITUTE

15 KUNDEHISTORIER SAS Indkøbsløsning Analyse af hver eneste varelinje på hver eneste e-faktura Kategorisering i UNSPSC koder Hvor meget har vi brugt på Mælk? Printerpapir? Computer hardware? Hosted løsning med mere end 50 offentlige kunder JANUARY COPYRIGHT SAS INSTITUTE

16 KUNDEHISTORIER AFA Försäkring AFA Forsikring er en organisation ejet af arbejdsmarkedets parter i Sverige. Der forsikres arbejdstagere og behandles sager om arbejdsskader. 4+ mio svenskere der dækket af en forsikring i AFA. Indsigt i arbejdsskader for politifolk og sikkerhedsvagter JANUARY COPYRIGHT SAS INSTITUTE

17 KUNDEHISTORIER The New York Times En af verdens største og mest indflydelsesrige aviser, med mere en 30 millioner læsere per måned. Kategorisering af online artikler ved hjælp af SAS JANUARY COPYRIGHT SAS INSTITUTE

18 KUNDEHISTORIER Hong Kong Efficiency Unit Single point of contact for Hong Kongs borgere Kategorisering af henvendelser til rette kontor i myndigheden JANUARY COPYRIGHT SAS INSTITUTE

19 KUNDEHISTORIER WebMD WebMD svarer til netdoktor.dk Overvågning af syv psykofarmika Hvordan bliver de omtalt dvs positivt, neutralt eller negativt? Hvad bliver der sagt beskrivende ord om bivirkninger JANUARY COPYRIGHT SAS INSTITUTE

20 KUNDEHISTORIER UN Global Pulse UN Global Pulse (About): Global Pulse is an innovation initiative of the UN Secretary-General, harnessing today's new world of digital data and real-time analytics to gain a better understanding of changes in human well-being Projekt Unemployment through the lens og social media USA og Irland blogs, online forum og nyhedsmedier over 2 år Officielle ledighedsstatistikker JANUARY COPYRIGHT SAS INSTITUTE

21 KUNDEHISTORIER UN Global Pulse JANUARY COPYRIGHT SAS INSTITUTE

22 Tak. Spørgsmål? Kontakt: Kaare Brandt Petersen, JANUARY COPYRIGHT SAS INSTITUTE