Phân bổ Dirichlet tiềm ẩn

Nhập môn Phân tích Văn bản bằng R

Maham Faisal Khan

Senior Data Science Content Developer

Học không giám sát

Một số thuật ngữ xử lý ngôn ngữ tự nhiên (NLP):

Latent Dirichlet allocation (LDA) là mô hình chủ đề tiêu chuẩn
Tập tài liệu gọi là corpus
Bag-of-words: xem từng từ trong tài liệu riêng lẻ
Mô hình chủ đề tìm mẫu từ xuất hiện cùng nhau
Tìm mẫu thay vì dự đoán gọi là học không giám sát

Xác suất từ

Phân cụm vs. mô hình chủ đề

Phân cụm

Cụm được phát hiện dựa trên khoảng cách (liên tục).
Mỗi đối tượng thuộc đúng một cụm.

Mô hình chủ đề

Chủ đề được phát hiện dựa trên tần suất từ (rời rạc).
Mỗi tài liệu là tổ hợp (thành viên một phần) của mọi chủ đề.

Hãy thực hành!

Nhập môn Phân tích Văn bản bằng R

Preparing Video For Download...