.png){kind=icon}
返回
A topic change point model for phrase-based topic inference
.png){kind=icon}
OA
AI
DOI：10.1016/j.ijresmar.2025.05.004.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从大规模且非结构化的文本语料库（例如客户评论、博客、推文、用户论坛或客服邮件中的文字交流）中获取客户洞察，已引起营销研究领域的广泛关注。主题模型是分析此类数据的最受欢迎的描述性工具之一。我们提出了一种基于观测词序列的新型主题模型。所提出的主题变化点模型假定文本由属于同一主题的词序列组成，可能夹杂着诸如停用词之类的普遍词汇，并且主题在不同运行之间发生变化，从而使每个主题运行段的结束标记为一次主题变化点。我们的模型为基于短语的主题推断生成被分配到同一主题的词串。在我们模型的扩展中，我们使用词性标签作为主题变化点的先验信息，这允许文本的观测句法结构进入主题推断。我们将该模型应用于两个数据集，并与替代建模方法进行比较，包括基于BERT的最新主题模型。我们调查了模型预测消费者评分的能力，这涉及它们总结词语的效力，从而使营销人员能够评估评分的来源。最后讨论了相关启示和未来研究方向。
Keyword:
Text data
Topic models
LDA
Transformer
BERT
Change point model
Big data
Time-series data
Bayesian analysis
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
1.2K
被引数:
6.4K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏Exploring the value of online product reviews in forecasting sales: The case of motion pictures
PREAI
分享收藏
查看更多内容