您就可以了解计算哪些关键字产生

shamimhossain24

关键词“无糖”对预测值有正向贡献，这意味着在之前进行的概念评估中，包含“无糖”的概念比不包含“无糖”的概念具有更高的购买意愿或兴趣。然后我们可以分析众多概念中的关键词组合，看看哪些关键词对评估结果有积极或消极的影响。下图简单地展示了计算过程。如果您按顺序查看该过程，积极或消极影响的原理。 通过比较有和没有（无糖）关键字的组合之间购买意愿的差异，我们计算出当（无糖）关键字存在时购买意愿增加了多少。

将计算范围扩大到各种组合。计算购买（无糖）（卡路里）或（无糖）（零）组合的意向与仅从组合中省略（无糖）时的购买意向之间的差异。 进一步扩大计算范围。计算（无糖）（卡路里）（零）组合的购买意向与仅省略（无糖）时的 巴基斯坦手机号码数据 购买意向之间的差异。 重复上述过程，进一步扩大计算范围。然后，你可以综合计算出关键词（无糖）对增加购买意愿的影响有多大。该值称为加权和（Shapley 值）。

使用上面的方法，我们还计算了其他关键字（例如（卡路里）（零））的加权和。然后，您可以获得概念短语中包含的所有关键词的总和，并据此计算出特定概念短语的预测兴趣度。 AI学习需要多少概念评估数据？上述示例案例中，Open Survey 使用了大约 个概念评估数据，AI 分析需要在获得至少数百条数据后才能开始。当然，数据越多越好。这是因为数据越多，人工智能就越先进。