Perguntas com a marcação «topic-model»

49

Alocação de Dirichlet Latente x Processo Hierárquico de Dirichlet

Alocação de Dirichlet Latente (LDA) e Processo de Dirichlet Hierárquico (HDP) são processos de modelagem de tópicos. A principal diferença é que o LDA requer a especificação do número de tópicos, e o HDP não. Por que? E quais são as diferenças, prós e contras dos dois métodos de modelagem de...

nlp topic-model lda

20

qual é a diferença entre classificação de texto e modelos de tópicos?

Conheço a diferença entre agrupamento e classificação no aprendizado de máquina, mas não entendo a diferença entre classificação de texto e modelagem de tópicos para documentos. Posso usar a modelagem de tópicos sobre documentos para identificar um tópico? Posso usar métodos de classificação para...

classification text-mining topic-model

19

Com o que os hiperparâmetros alfa e beta contribuem na alocação de Dirichlet latente?

O LDA possui dois hiperparâmetros, ajustando-os muda os tópicos induzidos. O que os hiperparâmetros alfa e beta contribuem para o LDA? Como o tópico muda se um ou outro hiperparâmetro aumenta ou diminui? Por que eles são hiperparâmetros e não apenas

topic-model lda parameter

18

PNL - por que "não" é uma palavra de parada?

Estou tentando remover palavras de parada antes de executar a modelagem de tópicos. Notei que algumas palavras de negação (não, nem, nunca, nenhuma etc.) são geralmente consideradas palavras de parada. Por exemplo, NLTK, spacy e sklearn incluem "not" em suas listas de palavras de parada. No...

nlp topic-model sentiment-analysis

16

aumentar o mapa de calor marítimo

Crio um corr()df a partir de um df original. O corr()df saiu 70 X 70 e é impossível de visualizar o mapa de calor ... sns.heatmap(df). Se eu tentar exibir corr = df.corr(), a tabela não se encaixa na tela e posso ver todas as correlações. É uma maneira de imprimir o todo, dfindependentemente do seu...

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

Tutoriais sobre modelos de tópicos e LDA

Gostaria de saber se vocês têm alguns bons tutoriais (rápidos e diretos) sobre modelos de tópicos e LDA, ensinando intuitivamente como definir alguns parâmetros, o que eles significam e, se possível, com alguns exemplos

topic-model lda

6

Comparando dois Corpora usando o Modelo de Tópico

Quero comparar dois corpora (duas coleções diferentes de textos) usando a Modelagem de Tópicos. Treinei o modelo separadamente nas duas coleções e correspondi manualmente a tópicos semelhantes com base em suas palavras frequentes. Fiquei me perguntando se existe uma maneira sistemática de comparar...

text-mining topic-model