潜在狄利克雷分配

R 文本分析入门

Maham Faisal Khan

Senior Data Science Content Developer

无监督学习

更多自然语言处理（NLP）术语：

  • 潜在狄利克雷分配（LDA）是常用的主题模型
  • 文档集合称为语料库（corpus）
  • 词袋模型将文档中的每个词独立处理
  • 主题模型发现经常共同出现的词模式
  • 寻找模式而非预测称为无监督学习
R 文本分析入门

词概率

R 文本分析入门

聚类 vs. 主题建模

聚类

  • 基于距离（连续）发现簇。
  • 每个对象只属于一个簇。

主题建模

  • 基于词频（离散）发现主题。
  • 每个文档是所有主题的混合（部分归属）。
R 文本分析入门

让我们来练习！

R 文本分析入门

Preparing Video For Download...