机构名称：
¥ 1.0
Rapidly Unlocking Insights from Army Experimental Data: A Topic Modeling and Natural Language Processing Approach Anders Grau, Jenifer McClary, and Nicholas Reisweber Department of Mathematical Sciences United States Military Academy West Point, NY 10996 Corresponding Author's Email: andersgrau8@gmail.com Author Note: CDT Anders Grau is studying for a Bachelor of Science in Operation Research at the United States Military学院。Maj Jenifer McClary和Maj Nicholas Reisweber是美国军事学院数学科学系的讲师。作者要感谢这项研究的赞助商Trac-Monterey在整个研究过程中的支持和指导，特别要感谢Maj Daniel Ruiz和LTC Matthew Smith。此处表达的观点是作者的观点，不反映美国军事学院，陆军部或国防部的地位。摘要：美国陆军的研究人员正在进行有关在战场上实施新兴技术的实验。这些实验的关键数据点包括有关技术性能的文本评论。研究人员使用一系列自然语言处理（NLP）任务来分析此类评论，包括主题建模。这项研究致力于开发一种分析陆军实验和现场测试的文本评论的方法。该方法对在Forge数据库中的实验数据进行了测试，Forge数据库是陆军期货司令部（AFC）倡议，旨在为研究人员提供AFC研究的共同操作情况。因此，这项研究提供了改进的框架，用于分析美国陆军研究人员的主题模型。关键字：主题建模，n-gram，陆军实验数据，文本评论
快速从陆军实验数据中获取见解
主要关键词
相关文件推荐
