Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | ||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 |
| 25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- htmltags
- 인과분석
- customeoperator
- 올라마
- llma
- causalanalysis
- 감성분석
- 텍스트마이닝
- 데이터크롤링
- 커스텀오퍼레이터
- 래피드마이너
- agglomerative clustering
- LDA
- sentimentanalysis
- customoperator
- RapidMiner
- 채용공고분석
- featureimportance
- 데이터
- GoEmotions
- 파이썬러너
- 오블완
- 데이터분석
- 토픽모델링
- datacrawling
- 통계개념
- 티스토리챌린지
- nrcemotionlexicon
- 머신러닝
- pythonlearner
Archives
- Today
- Total
목록causalanalysis (1)
마이와 텍스트마이닝
이 연구에서는 BERTopic과 인과 발견 분석을 결합하여 정신 건강에 영향을 미치는 요인들을 체계적으로 분석하고자 하였습니다. 이는 데이터 기반으로 특정 주제가 정신 건강 문제와 어떻게 연관되는지 이해하려는 시도입니다.데이터셋 Kaggle에서 수집한 27977개의 텍스트 데이터 사용다양한 정신 건강 문제를 겪고 있는 개인들의 표현과 감정을 포함함두 개의 열로 구성되어 있음. 첫 번째 열은 텍스트 데이터, 두 번째 열은 해당 텍스트가 정신 건강 문제와 관련이 있는지를 나타내는 레이블 (레이블이 1이면 관련 있음, 0이면 관련 없음)연구절차연구 절차는 다음과 같습니다. 먼저 데이터 전처리(Data Pre-processing)를 통해 데이터를 정리한 후, BERTopic 모델을 사용하여 토픽을 추출합니다. ..
텍스트마이닝
2024. 8. 26. 11:17