AutoML 管道自动化文本数据趋势预测

本文介绍了 AutoCluster、AutoTopicModeling 和 AutoTrendAnalysis，这是一个全面的 AutoML 管道，旨在从具有时间属性的文本数据中预测新兴趋势。该系统自动化了最佳聚类、主题建模（LDA、LSA、BERTopic、NMF）和时间序列预测（Prophet、ARIMA、STL、LSTM）算法的选择。通过根据预测准确性对主题进行分类，该框架识别出强信号、弱信号和噪声，旨在减少手动工作量并提高机器学习专业知识有限的用户的预测准确性。实验结果显示最终 RMSE 为 7.099，表明预测准确性很高。 AI

影响 自动化复杂的数据分析任务，使缺乏机器学习专业知识的用户也能进行高级趋势预测。

排序理由 该项目是一篇研究论文，详细介绍了一种新的趋势预测方法和框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• automated machine learning
• AutoRegressive Integrated Moving Average
• AutoTopicModeling
• AutoTrendAnalysis
• BERTopic
• Facebook Prophet
• Latent Dirichlet Allocation
• Latent Semantic Analysis
• long short-term memory
• Non-negative Matrix Factorization
• Seasonal-Trend decomposition using Loess

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →