Pareto分析不合规的文本浏览器嗨，
客户有兴趣使用Text Explorer查看QA数据库。他们想看看他们是否能够通过查看与数据库中每个条目相关的自由文本注释来查找已经提出的不合规问题 - 这些是本案例中的文档。 它类似于在Trucks数据中查找主题。
他们想要做的主要事情是使用主题分析对文档进行分类。这将允许他们进行帕累托分析，以将改进活动集中在最常见的不合规类型上。
我目前没有好几个问题的答案：
1。有关如何确定最有用主题数量的任何指导？任何有助于此的诊断？或者，当您不添加有用的主题时，是否使用域的知识来指导？
2。确定主题后，是否有一种简单的方法来计算与每个主题相关的文档数量？
期待您的评论。
问候，
菲尔
Re：Pareto分析不合规的文本浏览器谢谢，彼得。好主意。
菲尔
Re：Pareto分析不合规的文本浏览器谢谢，丹。真的有帮助。
菲尔
Re：Pareto分析不合规的文本浏览器菲尔：
一些想法：
1。主题数量？由于这似乎是以合规为重点，是否有一份不合规的调查结果列表（我在想，内部或外部，比如ISO'）过去的审计？这可能有助于指导确定该数量......已发现多少种不同类型的违规行为？
2。通常，这些不合规类型具有与之关联的FMEA类型分类。所以检测的概率，发生的严重程度，发生的概率等。这也可以帮助您确定对所研究的系统有影响的不合规数量。无视琐碎。如果存在完整的FMEA（希望？...），我会在补救措施之前转向RPN清单。
3。最后，让数据与类别对话......潜在类别分析可以在这方面提供帮助吗？
Re：Pareto分析不合规的文本浏览器菲尔 -
对于＃1，通常：
您需要足够的主题才能获得足够的分离。但不是太多，以至于主题之间的重叠太多了。LCA有一个有用的图，可用于帮助确定这个数字。这是MDS情节。有了卡车，你可以看到3个主题，也许有太多的分离，有100个，有太多的重叠。
对于您的具体问题，我认为一个好的工作流程可能是使用主题分析（SVD或LCA），然后将群集作为与6M（方法，大自然，人力，测量，机器，材料）相关的原因。 对于集群1，集群4等，这将是一个更有用的标签。然后，您可以查看与特定类别相关的热门术语。LCA报告BIC以及群集和群集混合概率的术语概率。按群集排序术语概率也很有用。在卡车的情况下。LCA或SVD主题分析将比替代方案（阅读每个单独的文档）更快地帮助分箱过程，或者要求工程师在报告问题时每个不合规地填写表格。
Heath rushing在美国的Text Analytics文章中介绍了FDA医疗器械不合规的另一个例子 JMP Foreward 。他还在其中涵盖了它网络直播和技术说话演示 。数据表是这里 。
对于＃2，使用LCA，您可以将最有可能的群集保存到数据表中。并从那里制表。或者从上下文菜单> make到数据表中保存集群混合概率表的数据表。您可以从概率中获取总文档，然后使用领域专业知识来标记具有主题的每个群集。
同样，在FDA检查引用示例的情况下，在几分钟内从27k案例记录转到最热门话题是节省了大量时间，而不是手动阅读每个长描述和分级。应该有5个或7个主题吗？那么这将是一个基于领域专业知识的判断调用，并查看每个主题的MDS图/集群概率/最高术语等。
无论哪种方式，它都会直接指向我，找出我需要关注的地方，我认为这是最终的目标。
