Regresi Teks — Meramal Angka daripada Teks
Regresi berasaskan teks meramalkan pemboleh ubah sasaran selanjar menggunakan ciri-ciri yang diekstrak daripada teks — skor TF-IDF, pembenaman (embeddings), atau n-gram — sebagai pemboleh ubah tak bersandar. Berdasarkan program teks-sebagai-data yang disatukan oleh Gentzkow, Kelly dan Taddy (2019), ia membolehkan hasil berangka seperti harga, penarafan, atau skor sentimen dianggarkan secara langsung daripada dokumen, dan digunakan secara meluas dalam aplikasi sains sosial, ekonomi, dan kewangan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/ms/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.
- Sematik BERTPerlombongan Teks↔ compare
- Analisis SentimenPerlombongan Teks↔ compare
- Klasifikasi TeksPerlombongan Teks↔ compare
- TF-IDFPerlombongan Teks↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →