用于 CFPB 消费者投诉主题建模的隐狄利克雷分配（LDA）
信息检索
2018-07-20 v1 机器学习
机器学习
摘要
提出了一种基于隐狄利克雷分配（LDA）的文本挖掘方法，用于分析消费者金融保护局（CFPB）的消费者投诉。该方法旨在提取 CFPB 投诉叙述中的潜在主题，并探究其随时间的关联趋势。这些时间趋势随后将用于评估 CFPB 法规及对于金融机构在建立以消费者为导向、公平对待消费者并在决策过程中优先保护消费者的文化方面的预期之有效性。所提方法可轻易落地为决策支持系统，以自动化检测消费者投诉中的新兴主题。因此，该方法与 CFPB 团队之间的技术-人力协作，通过对消费者投诉叙述更高效且有效的调查，必能改善对金融市场中不公平、欺诈或滥用行为的消费者保护。
引用
@article{arxiv.1807.07468,
title = {Latent Dirichlet Allocation (LDA) for Topic Modeling of the CFPB Consumer Complaints},
author = {Kaveh Bastani and Hamed Namavari and Jeffry Shaffer},
journal= {arXiv preprint arXiv:1807.07468},
year = {2018}
}