TopicModel

主题模型（Topic Model）与LDA算法

TopicModel主题模型（TopicModel）是以非监督学习的方式对文档的隐含语义结构(latentsemanticstructure)进行聚类(clustering)的统计模型。
韩明宇·2019-04-19 16:10

【NLP】LDA主题模型详解

主题模型(TopicModel)是用来在一系列文档中发现抽象主题的一种统计模型。直观来讲，如
Daycym·2019-03-30 14:54

【NLP】LDA主题模型详解

主题模型(TopicModel)是用来在一系列文档中发现抽象主题的一种统计模型。直观来讲，如
Daycym·2019-03-30 14:54

主题感知的响应生成——TA-Seq2Seq model

主题感知的响应生成——TA-Seq2Seqmodel《TopicAwareNeuralResponseGeneration》概述本文介绍了一种将topicmodel与seq2seq的方法，主题来自于预训练
angus_monroe·2018-10-20 00:19

隐语义模型和Matrix Factorization Model

隐语义模型：latentfactormodel和latentfactormodel相关的名词有LSI，pLSA，LDA和topicmodel。隐语义模型的核心思想在于，通过隐含特征联系用户和物品。
做推荐的Bella酱·2018-09-18 16:11

机器学习主题模型之LSA、pLSA、NMF

一、主题模型（TopicModel）判断文档相似性的传统方法是通过查看两个文档共同出现的词项（terms，不重复的words）有多少，如TF-IDF等。
liuy9803·2018-07-13 12:04

基于隐语义模型的推荐算法的原理

隐语义模型（LFM）和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。
Output20·2018-06-11 21:18

推荐系统初学者系列（3）-- 隐语义模型（LFM）与矩阵分解模型

toc]简介简介最近这几年做机器学习和数据挖掘研究的人经常会看到下面的各种名词，即隐含类别模型（LatentClassModel）、隐语义模型（LatentFactorModel）、pLSA、LDA、TopicModel
bllddee·2018-05-10 15:31

推荐系统初学者系列（3）-- 隐语义模型（LFM）与矩阵分解模型

toc]简介简介最近这几年做机器学习和数据挖掘研究的人经常会看到下面的各种名词，即隐含类别模型（LatentClassModel）、隐语义模型（LatentFactorModel）、pLSA、LDA、TopicModel
bllddee·2018-05-10 15:31

laravel belongsToMany和hasMany用法解析

belongsToMany应用在ManytoMany的场景话题TopicModel和问题QuestionModel2.对应的pai
cominglately·2018-05-01 19:05

LDA 主题模型

LDA模型是一种主题模型（topicmodel），属于词袋（不关心词与词之间的次序）模型。模型描述人类所产生的所有语料文本我们都可以看成是上帝抛骰子生成的。
Chen_SL·2018-01-13 10:33

NLP —— 图模型（三）pLSA（Probabilistic latent semantic analysis，概率隐性语义分析）模型

Probabilisticlatentsemanticanalysis，概率隐性语义分析）和LDA（LatentDirichletallocation，隐狄利克雷分配）这三种模型都可以归类到话题模型（Topicmodel
Determined22·2017-07-26 09:00

Notes—Latent Dirichlet Allocation，LDA主题模型

【数学之美】……未完待续……ref：1、★★★★★★★★★★通俗理解LDA主题模型★★★★★★★★★★2、主题模型-LDA浅析3、搜索背后的奥秘――浅谈语义主题计算4、主题模型TopicModel：主题模型
code_caq·2017-06-03 13:02

LSA和SVD两种矩阵分解

就是俗称的奇异值分解，SVD的用处有很多，比如可以做PCA(主成分分析)，做图形压缩，做LSA，那LSA是什么呢，LSA全称Latentsemanticanalysis，中文的意思是隐含语义分析，LSA算是topicmodel
duanyajun987·2017-03-22 16:49

机器学习算法之主题模型（LFM LSI PLSI LDA）

LFM（MF分解技术）、LSI（SVD分解）、PLSI（EM）、LDA隐语义模型LFM和LSI，PLSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类
冰鋒·2017-03-17 09:19

基于主题模型的文本聚类分类

主题模型（TopicModel）是我研究的方向之一，利用主题模型和事先设定好的主题个数，可以训练出文档集合中不同主题所占的比例（主题比例）以及各个主题下关键词的出现的概率（主题分布）。
追梦不止,静心致远·2016-09-18 20:26

基于主题模型的文本聚类分类

主题模型（TopicModel）是我研究的方向之一，利用主题模型和事先设定好的主题个数，可以训练出文档集合中不同主题所占的比例（主题比例）以及各个主题下关键词的出现的概率（主题分布）。
BD_Jiang·2016-09-18 20:00

基于主题模型的文本聚类分类

主题模型（TopicModel）是我研究的方向之一，利用主题模型和事先设定好的主题个数，可以训练出文档集合中不同主题所占的比例（主题比例）以及各个主题下关键词的出现的概率（主题分布）。
BD_Jiang·2016-09-18 20:00

随机采样和随机模拟：吉布斯采样Gibbs Sampling实现文档分类

pipisorry/article/details/51525308吉布斯采样的实现问题本文主要说明如何通过吉布斯采样进行文档分类（聚类），当然更复杂的实现可以看看吉布斯采样是如何采样LDA主题分布的[主题模型TopicModel
pipisorry·2016-05-29 21:00

Topic Model 的复杂度计算(时间和空间)

本文比较三个topicmodel时间复杂度的计算方法，分别是LDA，Biterm，和hdLDA。    时间复杂度的计算很好掌握，就是把算法中的最基本操作作为
u010533386·2016-05-23 02:00

基于gibbsLDA的文本分类

之前几篇文章讲到了文档主题模型，但是毕竟我的首要任务还是做分类任务，而涉及主题模型的原因主要是用于textrepresentation，因为考虑到TopicModel能够明显将文档向量降低维度，当然TopicModel
u010223750·2016-05-06 21:00

基于gibbsLDA的文本分类

阅读更多之前几篇文章讲到了文档主题模型，但是毕竟我的首要任务还是做分类任务，而涉及主题模型的原因主要是用于textrepresentation，因为考虑到TopicModel能够明显将文档向量降低维度，
u010223750·2016-05-06 15:00

基于gibbsLDA的文本分类

之前几篇文章讲到了文档主题模型，但是毕竟我的首要任务还是做分类任务，而涉及主题模型的原因主要是用于textrepresentation，因为考虑到TopicModel能够明显将文档向量降低维度，当然TopicModel
u010223750·2016-05-06 15:00

基于gibbsLDA的文本分类

阅读更多之前几篇文章讲到了文档主题模型，但是毕竟我的首要任务还是做分类任务，而涉及主题模型的原因主要是用于textrepresentation，因为考虑到TopicModel能够明显将文档向量降低维度，
u010223750·2016-05-06 15:00

推荐系统中隐语义模型

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主
ZhikangFu·2016-05-03 21:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐[转]

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主
onmyway_1985·2016-01-02 19:00

语义分析的一些方法(中篇)

2.1TopicModel首先介绍主题模型。说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。在这里
xinshen1860·2015-12-22 23:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。
·2015-12-09 10:13

lda主题模型

主题模型(topicmodel)是一种使用概率的产生式模型来挖掘文本主题的新方法。TopicModel中假设，主题可以根据一定的规则生成单词，那么在
u014568921·2015-12-02 19:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。
winone361·2015-10-27 09:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。
zhangxiong0301·2015-10-15 10:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的，近些年它们也被
jzwong·2015-09-10 10:00

受众定向-Topic Model

注：这一节我忽略，如果今后有时候，我会整理一份TopicModel的资料来说明，因为原课程中面向的是可能本来就熟悉TopicModel的听众，讲这课只是举个例子，带大家复习一下，所以即使整理出来，意义也不大
·2015-06-30 12:00

主题模型TopicModel：通过gensim实现LDA

http://blog.csdn.net/pipisorry/article/details/46447561使用pythongensim轻松实现lda模型。gensim简介gemsim是一个免费python库，能够从文档中有效地自动抽取语义主题。gensim中的算法包括：LSA(LatentSemanticAnalysis),LDA(LatentDirichletAllocation),RP(R
-柚子皮-·2015-06-10 22:18

语义分析的一些方法(中篇)

2.1TopicModel首先介绍主题模型。说到主题模型，第一时间会想到pLSA，NMF，LDA。关于这几个目前业界最常用的主题模型，已经有相当多的介绍了，譬如文献[60，64]。
haidao2009·2015-06-02 10:00

identifier starts immediately after numeric literal

错误情况：varcurtopicid=${topicModel.topicid};解决：varcurtopicid='${topicModel.topicid}';评论(${topicModel.replycount
yiranxijie·2015-06-01 11:00

PLSA模型

1、PLSA的公式表达(两种)在“主题模型TopicModel”一文中已经说明了从生成模型的角度如何看待主题模型。
Chrisdy·2015-05-30 13:00

统计中parameter estimation 的方法总结。Topic Model需要注意的

TopicModel中的GibbsSampling通常我
xyqzki·2015-05-20 22:00

TopicModel主题模型LDA的编程实现

http://blog.csdn.net/pipisorry/article/details/45771045LDA的python实现TopicModel主题模型-LDA的python实现及参数选择LDA
pipisorry·2015-05-16 20:00

TopicModel主题模型LDA的应用

http://blog.csdn.net/pipisorry/article/details/45665779主题模型LDA的应用TheverybestwaystosortlargedatabasesofunstructuredtextistouseatechniquecalledLatentDirichletallocation(LDA).应用于推荐系统在使用LDA(LatentDirichle
pipisorry·2015-05-12 10:00

TopicModel主题模型可视化

http://blog.csdn.net/pipisorryBrowseLDATopicModelsThispackageallowsyoutocreateasetofHTMLfilestobrowseatopicmodel.Itcreatesawordcloudandtime-graphpertopic,andannotatesaselectionofdocumentswiththetopicf
pipisorry·2015-04-29 19:00

TopicModel主题模型LDA的缺陷和改进

http://blog.csdn.net/pipisorry/article/details/45307369LDA的缺陷和改进1.短文本与LDAICML论文有理论分析，文档太短确实不利于训练LDA,但平均长度是10这个数量级应该是可以的，如peacock基于query训练模型。有一些经验技巧加工数据，譬如把同一session的查询拼接，同一个人的twitter拼接等。也可以用w2v那样的小窗口训
pipisorry·2015-04-27 10:00

降维：PCA

降维方法：1、神经网络的隐含层2、LDA（线性判别分析）3、PCA4、ICA5、CCA6、信息增益（筛选特征）7、卡方检测8、SVM（增维）9、LDA（LatentDirichletAllocation），TopicModel
mmc2015·2015-04-26 16:00

使用LFM（Latent factor model）隐语义模型进行Top-N推荐

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的
xuanyoumeng·2015-03-24 18:00

推荐系统中隐语义模型

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的
ariessurfer·2015-02-04 12:59

推荐系统中隐语义模型

隐语义模型LFM和LSI，LDA，TopicModel其实都属于隐含语义分析技术，是一类概念，他们在本质上是相通的，都是找出潜在的主题或分类。这些技术一开始都是在文本挖掘领域中提出来的
AriesSurfer·2015-02-04 12:00

TopicModel主题模型LDA中的数学模型

http://blog.csdn.net/pipisorry/article/details/42672935了解LDA需要明白如下数学原理：一个函数：gamma函数四个分布：二项分布、多项分布、beta分布、Dirichlet分布一个概念和一个理念：共轭先验和贝叶斯框架两个模型：pLSA、LDA（文档-主题，主题-词语）一个采样：Gibbs采样1.gamma函数Gamma函数Γ(x)=∫∞0tx
·2015-01-13 10:00

主题模型TopicModel：隐含狄利克雷分布LDA

http://blog.csdn.net/pipisorry/article/details/42649657主题模型LDA简介隐含狄利克雷分布简称LDA(LatentDirichletallocation)，首先由Blei,DavidM.、吴恩达和Jordan,MichaelI于2003年提出，目前在文本挖掘领域包括文本主题识别、文本分类以及文本相似度计算方面都有应用。LDA是一种典型的词袋模型
-柚子皮-·2015-01-12 21:07

TopicModel主题模型LDA

http://blog.csdn.net/pipisorry/article/details/42649657主题模型LDA介绍隐含狄利克雷分布简称LDA(LatentDirichletallocation)，是一种主题模型，它可以将文档集中每篇文档的主题按照概率分布的形式给出。同时它是一种无监督学习算法，在训练时不需要手工标注的训练集，需要的仅仅是文档集以及指定主题的数量k即可。此外LDA的另一
pipisorry·2015-01-12 21:00

主题模型TopicModel：PLSA模型及PLSA的EM推导

http://blog.csdn.net/pipisorry/article/details/42560877Introduction:概率潜在语义分析简称pLSA(Probabilisticlatentsemanticanalysis)基于双模式和共现的数据分析方法延伸的经典的统计学方法。概率潜在语义分析应用于信息检索，过滤，自然语言处理，文本的机器学习或者其他相关领域。概率潜在语义分析与标准潜
-柚子皮-·2015-01-09 20:44
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他