pyLDA系列︱gensim中的主题模型（Latent Dirichlet Allocation）

最新推荐文章于 2021-04-09 15:01:24 发布

悟乙己

最新推荐文章于 2021-04-09 15:01:24 发布

阅读量1.7w

点赞数 9

分类专栏： NLP︱R+python 付费-智能写作专栏文章标签： LDA gensim python 主题模型 pyLDA

本文链接：https://blog.csdn.net/sinat_26917383/article/details/79357700

版权

33 篇文章 701 订阅 ¥9.90 ¥99.00

订阅专栏

63 篇文章 33 订阅

订阅专栏

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、单词的主题偏好、主题内容展示、主题内容矩阵
DTM模型&#x

了解本专栏

优惠劵

关注关注