Latent Dirichlet allocation

R 文字分析入門

Maham Faisal Khan

Senior Data Science Content Developer

非監督式學習

再補充一些自然語言處理（NLP）術語：

  • Latent Dirichlet allocation（LDA）是標準的主題模型
  • 多份文件的集合稱為語料庫（corpus）
  • Bag-of-words 是把文件中的每個詞分開看待
  • 主題模型會找到常一起出現的詞彙模式
  • 尋找模式而非做預測稱為非監督式學習
R 文字分析入門

詞彙機率

R 文字分析入門

分群 vs. 主題建模

分群（Clustering）

  • 根據距離（連續）來發現群集。
  • 每個物件只屬於一個群集。

主題建模（Topic Modeling）

  • 根據詞頻（離散）來發現主題。
  • 每份文件是各主題的混合（也就是每個主題的部分成員）。
R 文字分析入門

一起來練習吧！

R 文字分析入門

Preparing Video For Download...