使用文本資源管理器主題模型公式來預測新文本的主題我花了一些時間試圖為自己回答這個問題（甚至“谷歌搜索”:)，但沒有成功，所以現在轉向專家。
我有一個擁有文本數據的客戶端和JMP Pro。 他使用他現有的數據（訓練和驗證集）來提出合理的主題分析模型來預測名義響應。 例如，他使用文本輸入來根據客戶在電話上呼叫公司代表時累積的數據來預測潛在客戶是否可能是良好的信用風險。
現在他有一個模型，使用主題向量來預測信用風險。 他現在想要將新文本數據輸入現有模型並預測新客戶的信用風險。 （有意義嗎？）我們怎麼做？
我已經嘗試保存主題向量公式，但不會更新計算新行中添加文本的新主題分數。
可以這樣做嗎？或者更好地恢復到更大的DTM而不是主題？
看起來這應該很簡單，但我沒有看到它。
任何/所有幫助表示讚賞！
傑瑞
回复：使用文本瀏覽器主題模型公式來預測新文本的主題澄清： 主題矢量公式實際上更新了新文檔。但是，結果與Save Topic Singular Vectors的結果不匹配。這似乎是由我上面提到的錯誤引起的。
回复：使用文本瀏覽器主題模型公式來預測新文本的主題似乎有一個錯誤導致該公式在JMP Pro 14.1中不起作用。該錯誤已在JMP Pro 13.2和JMP Pro 14中修復，但它已在14.1中重新出現。我已經報導了它的發展。
此外，還有兩個保存選項，保存主題奇異向量和保存主題矢量公式，產生相同的結果，不同之處在於前者產生單獨的列，而後者產生公式中的矢量值格式。
回复：使用文本瀏覽器主題模型公式來預測新文本的主題同意 @markbailey 。我會使用Topic Vectors作為其他建模平台的輸入。一些建模平台（如Fit Model）知道如何處理矢量效果，其他人不知道如何處理它們。如果要使用各種技術構建多個模型並進行比較，可以使用右鍵單擊“新建公式列” - >“矢量” - >“列”將向量分解為單個列。然後他們將與神經，分區等一起玩得很好。
回复：使用文本瀏覽器主題模型公式來預測新文本的主題在Mark Bailey身邊，你可以找到他在Chris和2017年發現演講中的第二個想法的例子。這是一種情緒模型，但工作流程與Mark討論的相同。
中號
回复：使用文本瀏覽器主題模型公式來預測新文本的主題我有兩個直接的想法，但我仍然在想......
首先，主題分析是問題分類時的最佳選擇嗎？在Text Explorer中使用判別分析怎麼樣？
第二，如何使用Text Explorer保存DTM（可能使用TF-IDF加權）並使用其他預測建模技術來選擇具有分類承諾的功能？
