探索主题建模技术在客户评论分析中的威力：一项比较分析
计算与语言
2023-08-23 v1 人工智能
摘要
在线社交网络平台和应用的指数级增长导致了海量用户生成文本内容（包括评论与评测）的出现。因此，用户常难以从此类内容中提取有价值洞察或相关资讯。为应对该挑战，机器学习与自然语言处理算法已被部署以分析网上可用的巨量文本数据。近年来，主题建模技术在该领域获得显著关注。在本研究中，我们全面考察并比较了专门应用于客户评论的五种常用主题建模方法。所调研的方法为隐语义分析（LSA）、隐狄利克雷分配（LDA）、非负矩阵分解（NMF）、弹珠分配模型（PAM）、Top2Vec 与 BERTopic。通过实际展示它们在检测重要主题方面的优势，我们旨在凸显其在真实场景中的效用。为评估这些主题建模方法的性能，我们精心选取了两个文本数据集。评估基于主题一致性分数等标准统计评价指标。我们的发现表明，BERTopic 始终能产出更有意义的提取主题并取得良好结果。
引用
@article{arxiv.2308.11520,
title = {Exploring the Power of Topic Modeling Techniques in Analyzing Customer Reviews: A Comparative Analysis},
author = {Anusuya Krishnan},
journal= {arXiv preprint arXiv:2308.11520},
year = {2023}
}
备注
13 pages