本文描述了我们在计算机文本分析方面的经验，并提出了一些最佳实践来处理厚重的社会文化概念，以促进跨学科合作。

Jul, 2019

本章介绍了情感分析在现实生活场景中的应用和相关挑战，重点关注情感分析在健康、社会政策、电子商务、数字人文等领域的五个应用，探讨了为什么情感分析在这些领域中具有重要和挑战性，并介绍了当前情感分析研究如何处理这些应用。虽然使用深度学习技术是跨越这些应用的流行范例，但隐私和数据集选择偏差等挑战是几个应用中反复出现的主题。

Jan, 2023

本文综述了目前文献的研究趋势和挑战，旨在为今后的作者降低进入门槛，通过开源模型和数据集来帮助应对恶意生成文本攻击和创建自动检测算法的问题，特别是对合成文本检测领域的研究进行了概述。

Oct, 2022

本篇论文旨在从可视化与自然语言处理的交叉学科角度，探讨评估可视化文本分析方法的挑战，例如数据歧义、实验设计、用户信任以及整体考虑等，并提出研究机会。

Sep, 2022

在线社交网络平台的指数增长导致了大量的用户生成文本内容，这包括评论和评价。为了解决这一挑战，机器学习和自然语言处理算法已经应用于分析在线可用的大量文本数据。在最近几年，主题建模技术在该领域中获得了显著的流行度。本研究全面研究和比较了特定应用于客户评价的五种常用主题建模方法，通过在实际场景中展示它们在检测重要主题方面的益处，旨在突出它们的功效。我们通过精心选择两个文本数据集来评估这些主题建模方法的性能，评估是基于标准的统计评估指标如主题连贯性得分。我们的发现揭示了 BERTopic 在提取有意义的主题方面始终表现出色并取得了良好的结果。

Aug, 2023

本文研究如何使用数据挖掘、自然语言处理技术和本体论来提取产品方面和用户意见，并使用频繁（标记）集，讨论了提出的框架能够提取评论中所有可能的方面和意见，并通过相似性分组代表性方面，并生成输出摘要。该框架与现有基线模型相比，得到了有希望的结果。

Apr, 2014

本文描述了一个使用 Kaldi 框架的语音文本处理方法，在不同的语义标记方法中选择组合机器学习模型，并使用决策树进行标记的实验。结果表明，该方法提供了更好的性能和更可解释的模型，对数据准备的复杂性做出了改进，能够对联系中心的运营产生潜在影响。

Mar, 2022

本文提出了一个通过摘要网络和层次聚类技术来提取客户提问的框架，同时对客户的问题进行语法和语义相似度分析，并采用 TF-IDF 和 BERT 计算相似性得分。

Sep, 2021

系统综述研究数据到文本生成的现状，包括研究空白、未来方向、挑战以及对应措施，并提供了这个快速发展领域中未来研究的路线图。

Feb, 2024

本研究评论现有短文本主题建模算法，分为三类，并展示了所有算法的统一接口、基准数据集和性能评估。

Apr, 2019