Regressione su Testo — Previsione di Numeri da Testo
La regressione basata su testo prevede una variabile target continua utilizzando caratteristiche estratte dal testo — punteggi TF-IDF, embedding o n-grammi — come variabili indipendenti. Basandosi sul programma text-as-data consolidato da Gentzkow, Kelly e Taddy (2019), consente di stimare un risultato numerico come un prezzo, una valutazione o un punteggio di sentiment direttamente dai documenti, ed è ampiamente utilizzato nelle applicazioni delle scienze sociali, dell'economia e della finanza.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/it/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 EmbeddingsText mining↔ compare
- Analisi del SentimentoText mining↔ compare
- Classificazione del testoText mining↔ compare
- TF-IDFText mining↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →