Process / pipeline
텍스트 회귀 — 텍스트로부터 숫자 예측
텍스트 기반 회귀는 TF-IDF 점수, 임베딩 또는 n-그램과 같은 텍스트에서 추출한 특징을 독립 변수로 사용하여 연속형 목표 변수를 예측합니다. Gentzkow, Kelly 및 Taddy(2019)가 통합한 텍스트-데이터 프로그램에 기반하여, 가격, 등급 또는 감성 점수와 같은 수치적 결과를 문서에서 직접 추정할 수 있게 하며, 사회 과학, 경제학 및 금융 응용 분야에서 널리 사용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/ko/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.
Compare side by side →