Preguntas etiquetadas con topic-model

49

Asignación de Dirichlet latente versus proceso de Dirichlet jerárquico

La asignación de Dirichlet latente (LDA) y el proceso de Dirichlet jerárquico (HDP) son procesos de modelado de temas. La principal diferencia es que LDA requiere la especificación de la cantidad de temas, y HDP no. ¿Por qué es así? ¿Y cuáles son las diferencias, pros y contras de ambos métodos de...

nlp topic-model lda

20

¿Cuál es la diferencia entre la clasificación de texto y los modelos de temas?

Sé la diferencia entre la agrupación y la clasificación en el aprendizaje automático, pero no entiendo la diferencia entre la clasificación de texto y el modelado de temas para documentos. ¿Puedo usar el modelado de temas sobre documentos para identificar un tema? ¿Puedo usar métodos de...

classification text-mining topic-model

19

¿A qué contribuyen los hiperparámetros alfa y beta en la asignación de Dirichlet latente?

LDA tiene dos hiperparámetros, ajustarlos cambia los temas inducidos. ¿Qué aportan los hiperparámetros alfa y beta a LDA? ¿Cómo cambia el tema si uno u otro hiperparámetro aumenta o disminuye? ¿Por qué son hiperparamters y no solo

topic-model lda parameter

18

PNL: ¿por qué "no" es una palabra de parada?

Estoy tratando de eliminar palabras de detención antes de realizar el modelado de temas. Noté que algunas palabras de negación (no, ni, nunca, ninguna, etc.) generalmente se consideran palabras vacías. Por ejemplo, NLTK, spacy y sklearn incluyen "no" en sus listas de palabras de detención. Sin...

nlp topic-model sentiment-analysis

16

agrandar el mapa de calor marino

Creo un corr()df a partir de un df original. El corr()DF salió 70 X 70 y es imposible de visualizar el mapa de calor ... sns.heatmap(df). Si trato de mostrar corr = df.corr(), la tabla no se ajusta a la pantalla y puedo ver todas las correlaciones. ¿Es una forma de imprimir todo dfsin importar su...

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

Tutoriales sobre modelos de temas y LDA

Me gustaría saber si ustedes tienen algunos buenos tutoriales (rápidos y directos) sobre modelos de temas y LDA, enseñando intuitivamente cómo establecer algunos parámetros, qué significan y, si es posible, con algunos ejemplos

topic-model lda