等級：中級
職位職能：分析師/科學家/工程師
Laura Higgins，SAS JMP 全球技術支援工程師
世界上充滿了非結構化的文本，其中大部分都還未被探索。更複雜的是，直到最近，從文本中提取意義和價值還需要特殊的工具。 JMP Pro 中的文字探索器有許多強大的選項，可以洞察文字資料並使用精選的術語清單。讓我們超越詞雲，探索文字瀏覽器的建模工具。
我將會展示一些關於術語清單整理完成後可以做什麼的不同選項。在將精選文字轉換為模型因素時，我將展示潛在類別分析（LCA）和潛在語意分析（LCA）的不同應用。我還將討論主題分數的含義，提供選擇主題數量的指導，並展示如何將主題用作建模的一部分。
一旦您整理好文本，不要停留在詞雲上——嘗試其他技術之一來揭示隱藏在文本數據中的含義。
•數據中是否存在潛在主題？尋找哪些文件（行）聚集在一起。
•在包含同時出現的術語的文檔中，會出現哪些概念主題和主題？
•從文字分析中建立穩定變數以用於建模。了解主題對結果變項的影響是正面還是負面。
