级别：中级
职位职能：分析师/科学家/工程师
Laura Higgins，SAS JMP全球技术支持工程师
世界上充满了非结构化的文本，并且其中大部分都未经探索。更进一步的是，直到最近，从文本中提取含义和价值还需要特殊的工具。JMP Pro中的“文本资源管理器”具有许多强大的选项，可用于深入了解文本数据并使用精选的术语表。让我们超越词云，探索Text Explorer的建模工具。
整理好术语表后，我将显示一些不同的选择。将策展的文本转换为模型因素时，我将展示潜在类分析（LCA）和潜在语义分析（LCA）的不同应用。我还将讨论主题分数的含义，为选择主题数提供指导，并展示如何将主题用作建模的一部分。
编排文本后，请不要止步于词云–尝试其他方法之一以发现隐藏在文本数据中的含义。
•数据中是否存在潜在的主题？查找哪些文档（行）聚在一起。
•在一起找到术语的文档中会出现哪些概念性主题和主题？
•通过文本分析创建稳定变量以用于建模。了解主题是否对结果变量产生正面或负面影响。
