Aug, 2023

分析客户评论中主题建模技术的力量：比较分析

PDF
TL;DR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。
online social network platformsuser-generated textual contentmachine learningtopic modeling techniquesbertopic
发现论文，激发创造
  • 银行领域的主题建模方法比较

    该研究使用了 KernelPCA 和 K-means Clustering 结合 BERTopic 架构，比较了主题建模方法，并在尼日利亚银行客户的推文数据集上展示了一致性得分为 0.8463 的连贯主题。

    Feb, 2024

  • 一种基于云端的机器学习流水线，用于高效地从客户评论中提取洞察信息

    本文介绍了一种基于云的系统，使用机器学习方法集成到管道中，能够从客户评论中提取洞察力，其复合模型使用基于 transformer 的神经网络、基于向量嵌入的关键字提取和聚类，可以更好地满足高效信息提取、提取信息的主题建模和用户需求的要求，并且比现有的主题建模和关键字提取解决方案取得更好的结果。该方法使用公开可用的数据集进行基准测试，并与其他最先进的方法进行验证和比较。

    Jun, 2023

  • 航空事故报告的主题建模分析：LDA 和 NMF 模型的比较研究

    本文比较两种突出的主题建模技术，潜在狄利克雷分配（LDA）和非负矩阵分解（NMF），在航空事故报告分析中的应用，以自动化和简化事故报告中潜在主题和模式的识别过程。LDA 在话题连贯性方面表现更好，NMF 则能够产生更为独特和细致的话题，以便对航空事故的具体方面进行更有针对性的分析。

    Mar, 2024

  • 基于 BERT 嵌入的消费者金融保护局数据主题建模方法

    本研究通过使用新方法 BERTopic 对消费者金融保护局（CFPB）数据进行基于句子嵌入的主题提取，通过对比 LDA 和 LSA，证实 BERTopic 能够更有意义且更具多样性地生成主题。此外，使用特定于领域的预训练嵌入（FinBERT）可以进一步提高主题品质。同时，本研究通过 c_v 和 UMass 等参数对主题准确性进行了评估。

    May, 2022

  • 短文本主题建模技术、应用和表现：一项调查

    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

  • 主题模型的网络方法

    采用随机块模型方法，针对主题建模中存在的问题，提出了一种更具通用性和原则性的框架，该框架能够自动检测主题数和分级群集单词和文档，从而比 LDA 在统计模型选择方面提供更好的主题模型。

    Aug, 2017

  • 自动化客户需求分析：旅游行业大型语言模型的比较研究

    通过比较分析不同的大型语言模型，尤其是开源的 Mistral 7B，我们揭示了它们在旅行客户需求分析任务中的优势和劣势，为企业利用先进的自然语言处理技术提升客户体验和推动运营效率方面提供了有价值的见解。

    Apr, 2024

  • 学习主题模型 —— 走出奇异值分解

    该论文从理论上证明了利用非负矩阵分解（NMF）作为主要工具来实现主题模型学习算法的可行性，具有学习效率高，不需要数据满足某些限制条件等优点，可用于包含主题 - 主题相关性的模型。

    Apr, 2012

  • 基于 Transformer 处理的模糊主题建模新方法

    基于软聚类和文档嵌入的模糊主题建模对比传统的 Latent Dirichlet Allocation（LDA）模型，在新闻发布监测中，得到了更加自然的结果。

    Sep, 2023

  • 大型语言模型为传统主题建模方法提供了一种替代方案

    本研究旨在探讨大型语言模型（LLMs）在主题提取方面的潜力，并建立评估协议以评估 LLMs 的聚类效果。通过深入实验与评估，总结了采用 LLMs 进行主题提取的优势和限制。

    Mar, 2024