最新

我正在进行一个项目，旨在通过跟踪美国证券交易委员会（SEC）文件中语言的变化，分析企业战略的演变。 例如，我想回答这样的问题：“主要云服务提供商何时首次开始将‘人工智能’识别为核心业务驱动力？相关语言每年是如何变化的？”或者“自2022年以来，SaaS公司的‘风险因素’部分的情感如何从‘增长’转变为‘效率’？” 简单的方法似乎是下载所有文件，转换为文本，并使用关键词搜索，但这显得脆弱，且缺乏语义上下文。对分块文档进行向量搜索更好，但处理表格并在十年的报告中保持上下文并非易事。 对于那些处理过这种非结构化时间序列文本数据的人来说，有哪些最有效的技术或不明显的挑战？ 我正在试图弄清楚这是否是一个真正困难的数据科学问题，还是有我忽视的成熟解决方案。