Szövegregresszió – Számok predikciója szövegből
A szövegalapú regresszió folytonos célváltozót prediktál szövegből kinyert jellemzők – TF-IDF pontszámok, beágyazások vagy n-grammok – felhasználásával, mint független változók. A Gentzkow, Kelly és Taddy (2019) által konszolidált szövegadat programra építve lehetővé teszi numerikus kimenetel, például ár, értékelés vagy hangulatpontszám közvetlen becslését dokumentumokból, és széles körben használják a társadalomtudományokban, közgazdaságtanban és pénzügyekben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/hu/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-beágyazásokSzövegbányászat↔ compare
- Szöveges hangulatelemzésSzövegbányászat↔ compare
- SzövegosztályozásSzövegbányászat↔ compare
- TF-IDFSzövegbányászat↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →