Regresija teksta — predviđanje brojeva iz teksta
Regresija zasnovana na tekstu predviđa kontinuiranu ciljnu promenljivu koristeći karakteristike izvučene iz teksta — TF-IDF rezultate, ugrađivanja ili n-grame — kao nezavisne promenljive. Nadovezujući se na program tekst kao podatak, koji su konsolidovali Gentzkow, Kelly i Taddy (2019), omogućava direktnu procenu numeričkog ishoda kao što je cena, ocena ili rezultat sentimenta iz dokumenata, i široko se koristi u primenama društvenih nauka, ekonomije i finansija.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/sr/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 EmbeddingsRudarenje teksta↔ compare
- Analiza sentimentaRudarenje teksta↔ compare
- Klasifikacija tekstaRudarenje teksta↔ compare
- TF-IDFRudarenje teksta↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →