เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองภาษาเอ็นแกรม× | การถดถอยจากข้อความ× | |
|---|---|---|
| สาขาวิชา | การทำเหมืองข้อความ | การทำเหมืองข้อความ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด | — | — |
| ผู้ริเริ่ม | — | — |
| ประเภท≠ | Statistical language model | Supervised regression on text features |
| แหล่งต้นตำรับ≠ | Jurafsky, D. & Martin, J.H. (2023). Speech and Language Processing, 3rd ed. link ↗ | Gentzkow, M., Kelly, B. & Taddy, M. (2019). Text as Data. Journal of Economic Literature, 57(3), 535-574. DOI ↗ |
| ชื่อเรียกอื่น | n-gram model, statistical language model, N-gram Dil Modeli | text-as-data regression, predicting numeric outcomes from text, Metin Tabanlı Regresyon |
| ที่เกี่ยวข้อง | 4 | 4 |
| สรุป≠ | An n-gram language model is a statistical model that predicts the probability of the next word by looking only at the previous n−1 words. Described in detail by Jurafsky and Martin (Speech and Language Processing), it provides foundational infrastructure for text generation, spelling correction, and speech recognition. | Text-based regression predicts a continuous target variable using features extracted from text — TF-IDF scores, embeddings, or n-grams — as the independent variables. Building on the text-as-data programme consolidated by Gentzkow, Kelly and Taddy (2019), it lets a numeric outcome such as a price, a rating, or a sentiment score be estimated directly from documents, and is widely used in social-science, economics, and finance applications. |
| ScholarGateชุดข้อมูล ↗ |
|
|