基于消费者金融保护局数据的主题建模：一种使用 BERT 嵌入的方法
机器学习
2022-05-17 v1 人工智能
计算与语言
信息检索
信息论
math.IT
摘要
客户的评论与意见对企业理解用户对产品与服务的情绪十分重要。然而，需要分析这些数据以评估与主题/方面相关的情绪，从而提供高效的客户协助。LDA 与 LSA 无法捕捉语义关系，且不具备领域特异性。在本研究中，我们评估 BERTopic——一种利用句子嵌入在消费者金融保护局（CFPB）数据上生成主题的新方法。我们的工作表明，与 LDA 和 LSA 相比，BERTopic 灵活且能提供有意义且多样的主题。此外，领域特定的预训练嵌入（FinBERT）产生更优的主题。我们基于一致性分数（c_v）与 UMass 对主题进行了评估。
引用
@article{arxiv.2205.07259,
title = {Topic Modelling on Consumer Financial Protection Bureau Data: An Approach Using BERT Based Embeddings},
author = {Vasudeva Raju Sangaraju and Bharath Kumar Bolla and Deepak Kumar Nayak and Jyothsna Kh},
journal= {arXiv preprint arXiv:2205.07259},
year = {2022}
}
备注
Accepted at International Conference for Convergence in Technology, 2022