رگرسیون متنی — پیشبینی اعداد از متن
رگرسیون مبتنی بر متن، یک متغیر هدف پیوسته را با استفاده از ویژگیهای استخراجشده از متن — امتیازات TF-IDF، تعبیهسازیها، یا n-gram ها — به عنوان متغیرهای مستقل، پیشبینی میکند. این روش با تکیه بر برنامه متن به مثابه داده که توسط Gentzkow، Kelly و Taddy (۲۰۱۹) تثبیت شد، اجازه میدهد تا یک نتیجه عددی مانند قیمت، رتبهبندی، یا امتیاز احساسات مستقیماً از اسناد تخمین زده شود و به طور گسترده در کاربردهای علوم اجتماعی، اقتصاد و امور مالی استفاده میشود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Gentzkow, M., Kelly, B. & Taddy, M. (2019). Text as Data. Journal of Economic Literature, 57(3), 535-574. DOI: 10.1257/jel.20181020 ↗
- Taddy, M. (2013). Measuring Political Sentiment on Twitter: Factor Optimal Design for Multinomial Inverse Regression. Technometrics, 55(4), 415-425. DOI: 10.1080/00401706.2013.778791 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/fa/text-mining/text-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERT Embeddingsمتنکاوی↔ compare
- تحلیل احساساتمتنکاوی↔ compare
- طبقهبندی متنمتنکاوی↔ compare
- TF-IDFمتنکاوی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →