最近在探索热点数据摘要生成,应用除seq2seq其他的方法,把一些经验记录一下。总体来说提起的信息不全,流畅度也不好,但可以实现语义表示和语义匹配信息,极力推荐百度开源的Familia。也有其他的开源工具例如lightLDA,笔者没有尝试。文档的主题分布可以用来做优质新闻及劣质新闻的分类,根据主题分布来确认文章的熵值,进一步确定文章的丰富程度。有了文档的稀疏表示可以实现文本的聚类。根据simhash可以实现主题的hash表示,用于冗杂主题去重。
每一个主题下面的词进行hash话,1001,1对应着+,0对应这-,乘以各个词在主题下面的权重,累加和就是主题的hash表述。文档的主体向量表示,通过主题降维乘以主题向量矩阵就是最终的向量表述。
主题模型在信息提取中体会
最新推荐文章于 2022-12-30 15:05:43 发布