提出主题模型与评估框架用于分析与外部结果的关联：应用于大规模企业评论数据中的领导力分析
计算与语言
2026-04-27 v2
摘要
分析从文本数据中提取的主题与外部结果的关联是在计算社会科学和组织研究等多个领域中具有重要意义的任务。然而，现有的主题建模方法在可解释性、主题特异性（与具体行动或特征的一致性）以及极性立场一致性（主题内无混合正负评估）方面难以同时实现。针对领导力分析这一应用场景，本研究提出了一种利用大型语言模型生成满足上述属性的主题的方法，以及针对外部结果分析量身定制的评估框架。该框架将主题特异性和极性立场一致性作为评估准则，并检验基于现有指标的自动化评估方法。通过日本大型企业评论平台 OpenWork 的员工评论数据，所提出的方法在可解释性、特异性和极性一致性方面均优于现有方法。在分析外部结果（如员工精神状态）时，还产生了解释力更强的主题。这些结果表明，所提出的方法和评估框架为涉及外部结果的主题分析提供了一个普适适用的方法。
引用
@article{arxiv.2604.18919,
title = {Proposing Topic Models and Evaluation Frameworks for Analyzing Associations with External Outcomes: An Application to Leadership Analysis Using Large-Scale Corporate Review Data},
author = {Yura Yoshida and Masato Kanai and Masataka Nakayama and Haruki Ohsawa and Yukiko Uchida and Arata Yuminaga and Gakuse Hoshina and Nobuo Sayama},
journal= {arXiv preprint arXiv:2604.18919},
year = {2026}
}