主题发现/发现的最佳模型
主题发现/发现的最佳模型
提问于 2011-10-07 01:12:09
在简短的非结构化文档中发现主题的最佳模型是什么，例如。短信还是推特消息？潜在的狄利克雷分配？
回答 3
Stack Overflow用户
回答已采纳
发布于 2011-10-07 17:21:10
LDA是可用于主题建模的最强大的模型之一，但将其应用于非常短的文本，如Twitter/微博帖子，可能需要一些额外的工作。this paper的作者讨论了LDA和另一种模型，并建议在运行主题模型之前聚合多个帖子。
注意术语：“主题定位”实际上是监督文档分类的旧同义词。
Stack Overflow用户
发布于 2016-03-23 21:45:38
将LDA等主题模型应用于短文本(例如推文)更具挑战性，因为此类文本中的数据稀疏和上下文有限。一种方法是在训练LDA之前将短文本组合成长伪文档。另一种简单的方法是假设每个文档只有一个主题。
对于短文本或Tweet上的主题建模，每个文档一个主题的Dirichlet多项混合(DMM)模型(单字混合)比LDA主题模型更好。您可以在jLDADMM包中找到LDA和DMM模型的实现。jLDADMM还提供了文档聚类评估来比较这些主题模型。
Stack Overflow用户
发布于 2011-10-07 19:03:42
我认为一切都依赖于数据。所以你也应该尝试纯TFIDF，LSI，LDA，kmeans，层次聚类来检测有用的短语和主题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/7677988
复制相关文章
相似问题
腾讯云开发者
