Tekstregression — Forudsigelse af tal ud fra tekst

Tekstbaseret regression forudsiger en kontinuert målevariabel ved hjælp af træk udvundet fra tekst — TF-IDF-scorer, indlejringer (embeddings) eller n-grammer — som de uafhængige variabler. Metoden bygger på tekst-som-data-programmet, konsolideret af Gentzkow, Kelly og Taddy (2019), og gør det muligt at estimere et numerisk udfald som f.eks. en pris, en bedømmelse eller en sentiment-score direkte fra dokumenter. Den er udbredt inden for samfundsvidenskab, økonomi og finans.