Latent Dirichlet Allocation

การวิเคราะห์ข้อความเบื้องต้นใน R

Maham Faisal Khan

Senior Data Science Content Developer

Unsupervised Learning

คำศัพท์ด้านการประมวลผลภาษาธรรมชาติ (NLP) เพิ่มเติม:

  • Latent Dirichlet Allocation (LDA) คือโมเดลหัวข้อมาตรฐาน
  • กลุ่มเอกสารเรียกว่า corpus
  • Bag-of-words คือการพิจารณาแต่ละคำในเอกสารแยกกัน
  • โมเดลหัวข้อค้นหารูปแบบของคำที่ปรากฏร่วมกัน
  • การค้นหารูปแบบโดยไม่ทำนายผล เรียกว่า unsupervised learning
การวิเคราะห์ข้อความเบื้องต้นใน R

ความน่าจะเป็นของคำ

การวิเคราะห์ข้อความเบื้องต้นใน R

Clustering vs. Topic Modeling

Clustering

  • กลุ่ม (Cluster) ถูกค้นพบโดยอิงจากระยะทาง ซึ่งเป็นค่าต่อเนื่อง
  • ทุกออบเจกต์ถูกกำหนดให้อยู่ใน cluster เดียว

Topic Modeling

  • หัวข้อถูกค้นพบโดยอิงจากความถี่ของคำ ซึ่งเป็นค่าไม่ต่อเนื่อง
  • ทุกเอกสารเป็นส่วนผสมของทุกหัวข้อ (กล่าวคือ เป็นสมาชิกบางส่วนของแต่ละหัวข้อ)
การวิเคราะห์ข้อความเบื้องต้นใน R

มาฝึกกันเถอะ!

การวิเคราะห์ข้อความเบื้องต้นใน R

Preparing Video For Download...