等級：中級
工作職能：分析師/科學家/工程師
Laura Higgins，SAS JMP 全球技術支援工程師
世界上充滿了非結構化文本，其中大部分都未經探索。 使這個問題更加複雜的是，直到最近，從文本中提取含義和價值還需要特殊的工具。 JMP Pro 中的文字資源管理器具有許多強大的選項，可用於深入了解文字資料並使用精選術語清單。 讓我們飛越詞雲，探索文字資源管理器的建模工具。
一旦術語清單被整理出來，我將展示一些不同的選項。 當策劃文字轉換為模型因素時，我將展示潛在類別分析（LCA）和潛在語義分析（LCA）的不同應用。 我還將討論主題分數的含義，提供選擇主題數量的指導，並展示如何使用主題作為建模的一部分。
一旦你策劃了文本，不要停留在詞雲上——嘗試這些其他技術之一來揭示隱藏在文本數據中的含義。
•數據中有潛在的主題嗎？ 尋找哪些文件（行）聚集在一起。
•與一起找到的術語一起出現的文檔中出現了哪些概念性主題和主題？
•從文字分析中建立穩定變數以用於建模。 了解主題對結果變項的影響是正面還是負面。
