超级会员免费看
本文介绍了gensim中的Author-Topic Model（ATM），这是一种结合了作者信息的主题模型。内容涉及理论介绍、数据准备、官网案例演示，包括模型参数、辅助函数、衡量指标和作者相似性推荐。案例中使用NIPS科技论文数据，探讨了如何通过ATM分析作者的主题偏好和相似性。
笔者很早就对LDA模型着迷，最近在学习gensim库发现了LDA比较有意义且项目较为完整的Tutorials,于是乎就有本系列,本系列包含三款：Latent Dirichlet Allocation、Author-Topic Model、Dynamic Topic Models
pyLDA系列模型 | 解析 | 功能
---- | —
ATM模型（Author-Topic Model） | 加入监督的’作者’,每个作者对不同主题的偏好;弊端：chained topics, intruded words, random topics, and unbalanced topics (see Mimno and co-authors 2011) | 作者主题偏好、
词语主题偏好、
相似作者推荐、
可视化
LDA模型（Latent Dirichlet Allocation） | 主题模型 | 文章主题偏好、
单词的
订阅专栏 解锁全文
6182
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
