| description |
|---|
由于可用的大量信息超出了人类的处理能力（Andrzejewski等，2009；Wallach，2006；Wang＆Blei，2011），主题模型变得非常有价值。我们将其应用于对我们收集的大量非结构化自然文本中的隐藏语义结构和主题的揭示，使用语言处理、机器学习和统计算法（Blei，2012；Wang＆Blei，2011）。换句话说，我们对所有214篇关于市场营销中的人工智能的科学文章建模其潜在的语义主题。在图4的词云中，出现频率更高的术语显示得更大。因此，简要查看词云能够快速了解人工智能在市场营销中的文献关注点。
我们的主题建模分析揭示了现有研究侧重于几个关键领域（表4）。为了简洁起见，我们将这些主题分为两个组：消费者研究和组织或战略营销问题。在本节中，我们还考虑了这些主题之间的联系、对应关系和相对重要性。
\