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
这个世界充满了非结构化文本，其中大部分都未被探索过。更复杂的是，直到最近，从文本中提取含义和价值还需要特殊工具。JMP Pro 中的文本探索器有许多强大的选项，可用于深入了解文本数据并使用精选的术语列表。让我们超越词云，探索文本探索器的建模工具。
我将展示整理术语列表后可以采取的一些不同措施。在将整理好的文本转换为模型因子时，我将展示潜在类别分析 (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，提供选择主题数量的指导，并展示如何将主题用作建模的一部分。
一旦您整理好文本，不要停留在词云上——尝试其他技术之一来揭示隐藏在文本数据中的含义。
•数据中是否存在潜在主题？ 找出哪些文档（行）聚集在一起。
•在包含同时出现的术语的文档中，会出现哪些概念主题和主题？
•从文本分析中创建稳定变量以用于建模。了解主题对结果变量的影响是正面的还是负面的。
