Pareto分析不合規的文本瀏覽器嗨，
客戶有興趣使用Text Explorer查看QA數據庫。他們想看看他們是否能夠通過查看與數據庫中每個條目相關的自由文本註釋來查找已經提出的不合規問題 - 這些是本案例中的文檔。 它類似於在Trucks數據中查找主題。
他們想要做的主要事情是使用主題分析對文檔進行分類。這將允許他們進行帕累托分析，以將改進活動集中在最常見的不合規類型上。
我目前沒有好幾個問題的答案：
1。有關如何確定最有用主題數量的任何指導？任何有助於此的診斷？或者，當您不添加有用的主題時，是否使用域的知識來指導？
2。確定主題後，是否有一種簡單的方法來計算與每個主題相關的文檔數量？
期待您的評論。
問候，
菲爾
Re：Pareto分析不合規的文本瀏覽器謝謝，彼得。好主意。
菲爾
Re：Pareto分析不合規的文本瀏覽器謝謝，丹。真的有幫助。
菲爾
Re：Pareto分析不合規的文本瀏覽器菲爾：
一些想法：
1。主題數量？由於這似乎是以合規為重點，是否有一份不合規的調查結果列表（我在想，內部或外部，比如ISO'）過去的審計？這可能有助於指導確定該數量......已發現多少種不同類型的違規行為？
2。通常，這些不合規類型具有與之關聯的FMEA類型分類。所以檢測的概率，發生的嚴重程度，發生的概率等。這也可以幫助您確定對所研究的系統有影響的不合規數量。無視瑣碎。如果存在完整的FMEA（希望？...），我會在補救措施之前轉向RPN清單。
3。最後，讓數據與類別對話......潛在類別分析可以在這方面提供幫助嗎？
Re：Pareto分析不合規的文本瀏覽器菲爾 -
對於＃1，通常：
您需要足夠的主題才能獲得足夠的分離。但不是太多，以至於主題之間的重疊太多了。LCA有一個有用的圖，可用於幫助確定這個數字。這是MDS情節。有了卡車，你可以看到3個主題，也許有太多的分離，有100個，有太多的重疊。
對於您的具體問題，我認為一個好的工作流程可能是使用主題分析（SVD或LCA），然後將群集作為與6M（方法，大自然，人力，測量，機器，材料）相關的原因。 對於集群1，集群4等，這將是一個更有用的標籤。然後，您可以查看與特定類別相關的熱門術語。LCA報告BIC以及群集和群集混合概率的術語概率。按群集排序術語概率也很有用。在卡車的情況下。LCA或SVD主題分析將比替代方案（閱讀每個單獨的文檔）更快地幫助分箱過程，或者要求工程師在報告問題時每個不合規地填寫表格。
Heath rushing在美國的Text Analytics文章中介紹了FDA醫療器械不合規的另一個例子 JMP Foreward 。他還在其中涵蓋了它網絡直播和技術說話演示 。數據表是這裡 。
對於＃2，使用LCA，您可以將最有可能的群集保存到數據表中。並從那裡製表。或者從上下文菜單> make到數據表中保存集群混合概率表的數據表。您可以從概率中獲取總文檔，然後使用領域專業知識來標記具有主題的每個群集。
同樣，在FDA檢查引用示例的情況下，在幾分鐘內從27k案例記錄轉到最熱門話題是節省了大量時間，而不是手動閱讀每個長描述和分級。應該有5個或7個主題嗎？那麼這將是一個基於領域專業知識的判斷調用，並查看每個主題的MDS圖/集群概率/最高術語等。
無論哪種方式，它都會直接指向我，找出我需要關注的地方，我認為這是最終的目標。
