Text Regression — Att förutsäga tal från text
Textbaserad regression förutsäger en kontinuerlig målvariabel med hjälp av särdrag extraherade från text — TF-IDF-poäng, inbäddningar eller n-gram — som oberoende variabler. Byggande på text-som-data-programmet som konsoliderades av Gentzkow, Kelly och Taddy (2019), låter det ett numeriskt utfall såsom ett pris, ett betyg eller en sentimentpoäng estimeras direkt från dokument, och används flitigt inom samhällsvetenskap, ekonomi och finans.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Text-Based Regression. ScholarGate. https://scholargate.app/sv/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-inbäddningarTextutvinning↔ compare
- SentimentanalysTextutvinning↔ compare
- TextklassificeringTextutvinning↔ compare
- TF-IDFTextutvinning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →