Questions marquées «topic-model»

50

Allocation de Dirichlet latente vs processus de Dirichlet hiérarchique

L'allocation de Dirichlet latente (LDA) et le processus de Dirichlet hiérarchique (HDP) sont tous deux des processus de modélisation par sujet. La principale différence est que LDA requiert la spécification du nombre de sujets, contrairement à HDP. Pourquoi est-ce si? Et quelles sont les...

nlp topic-model lda

20

Quelle est la différence entre la classification de texte et les modèles de sujet?

Je connais la différence entre le clustering et la classification dans l'apprentissage automatique, mais je ne comprends pas la différence entre la classification de texte et la modélisation de sujet pour les documents. Puis-je utiliser la modélisation de sujet sur des documents pour identifier un...

classification text-mining topic-model

19

À quoi contribuent les hyperparamètres alpha et bêta dans l'allocation de Dirichlet latent?

LDA a deux hyperparamètres, leur réglage modifie les sujets induits. Qu'est-ce que les hyperparamètres alpha et bêta contribuent à la LDA? Comment le sujet change-t-il si l'un ou l'autre des hyperparamètres augmente ou diminue? Pourquoi sont-ils des hyperparamètres et pas seulement des...

topic-model lda parameter

18

PNL - pourquoi «n'est pas» un mot d'arrêt?

J'essaie de supprimer les mots vides avant d'effectuer la modélisation du sujet. J'ai remarqué que certains mots de négation (pas, ni, jamais, aucun, etc.) sont généralement considérés comme des mots vides. Par exemple, NLTK, spacy et sklearn incluent "not" dans leurs listes de mots vides....

nlp topic-model sentiment-analysis

16

agrandir la carte thermique de Seaborn

Je crée un corr()df à partir d'un df d'origine. Le corr()df est sorti 70 X 70 et il est impossible de visualiser le heatmap ... sns.heatmap(df). Si j'essaie d'afficher le corr = df.corr(), le tableau ne correspond pas à l'écran et je peux voir toutes les corrélations. Est-ce un moyen d'imprimer...

visualization pandas plotting machine-learning neural-network svm decision-trees svm efficiency python linear-regression machine-learning nlp topic-model lda named-entity-recognition naive-bayes-classifier association-rules fuzzy-logic kaggle deep-learning tensorflow inception classification feature-selection feature-engineering machine-learning scikit-learn tensorflow keras encoding nlp text-mining nlp rnn python neural-network feature-extraction machine-learning predictive-modeling python r linear-regression clustering r ggplot2 neural-network neural-network training python neural-network deep-learning rnn predictive-modeling databases sql programming distribution dataset cross-validation neural-network deep-learning rnn machine-learning machine-learning python deep-learning data-mining tensorflow visualization tools sql embeddings orange feature-extraction unsupervised-learning gan machine-learning python data-mining pandas machine-learning data-mining bigdata apache-spark apache-hadoop deep-learning python convnet keras aggregation clustering k-means r random-forest decision-trees reference-request visualization data pandas plotting neural-network keras rnn theano deep-learning tensorflow inception predictive-modeling deep-learning regression sentiment-analysis nlp encoding deep-learning python scikit-learn lda convnet keras predictive-modeling regression overfitting regression svm prediction machine-learning similarity word2vec information-retrieval word-embeddings neural-network deep-learning rnn

8

Tutoriels sur les modèles de sujet et LDA

J'aimerais savoir si vous avez de bons tutoriels (rapides et simples) sur les modèles de sujet et LDA, enseignant intuitivement comment définir certains paramètres, ce qu'ils signifient et si possible, avec de vrais

topic-model lda