Tekstiregressio – numeeristen arvojen ennustaminen tekstistä
Tekstipohjainen regressio ennustaa jatkuvaa kohdemuuttujaa käyttäen piirteinä tekstistä erotettuja tietoja – TF-IDF-pisteitä, upotuksia tai n-grammeja – selittävinä muuttujina. Gentzkow, Kelly ja Taddy (2019) vakiinnuttaman tekstidatan ohjelman pohjalta se mahdollistaa numeerisen lopputuloksen, kuten hinnan, arvion tai tunneskaalan, estimoinnin suoraan dokumenteista, ja sitä käytetään laajasti yhteiskuntatieteissä, taloustieteessä ja rahoituksessa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/fi/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-upotukset – kontekstisidonnaiset tekstiesityksetTekstinlouhinta↔ compare
- Sentiment AnalysisTekstinlouhinta↔ compare
- TekstinluokitteluTekstinlouhinta↔ compare
- TF-IDFTekstinlouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →