Pipeline AutoML prevede tendenze emergenti da dati testuali

Un nuovo articolo di ricerca introduce una pipeline di machine learning completamente automatizzata per prevedere tendenze emergenti da dataset testuali con attributi temporali. Il framework, descritto su arXiv, combina AutoClustering, AutoTopicModeling e AutoTrendAnalysis. AutoClustering utilizza meta-apprendimento per selezionare l'algoritmo di clustering ottimale. AutoTopicModeling impiega il metodo della suddivisione successiva per scegliere tra LDA, LSA, BERTopic o NMF in base ai punteggi di coerenza. Per la previsione delle tendenze, valuta modelli tra cui Facebook Prophet e ARIMA. Il sistema è progettato per essere scalabile e adattabile per aziende, ricercatori e decisori politici.