搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏素质云笔记
重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）
GloVe词向量表达 3、LDA主题模型，LDA（latent dirichlet allocation）、LSA(latent sematic analysis)，那么这个就是继lda、topicmodels 两大包之后，第三个有主题模型功能的包啦~前面两个包可以参考我的另外博客： R语言︱LDA主题模型——最优主题数选取(topicmodels)+LDAvis可视化(lda+LDAvis) 4 LDA主题模型 LDA主题模型是基于lda包开发的（Jonathan Chang）,在下次发布的时候该主题模型的引擎就会嵌入到lda包之中，目前text2vec开发模型要比lda快2倍，比topicmodels .. —————————————————————————————————————— 参考文献： 1、重磅︱文本挖掘深度学习之word2vec的R语言实现 2、语言︱LDA主题模型——最优主题数选取(topicmodels
1.2K10发布于 2019-05-26
来自专栏个人编程笔记
C#-EF Core使用MySQL数据库
HttpGet] public async Task<IActionResult> Topics(int id) { List<TopicModel> topicModels = new List<TopicModel>(); topicModels = AcgbiuDbContext.Acgbiu_Topic.ToList(); = 0) { TopicModel topicModel = topicModels.Find(x=>x.topic_id==id); return new JsonResult(topicModel); } return new JsonResult(topicModels);
2.3K20编辑于 2023-03-03
来自专栏素质云笔记
R语言︱LDA主题模型——最优主题数选取(topicmodels)+LDAvis可视化(lda+LDAvis)
笔者发现R里面目前有两个包可以做LDA模型，是lda包+topicmodels包，两个包在使用的过程中，需要整理的数据都是不一样的，所以数据处理会是一个不省心的过程。 topicmodels基于包tm，提供LDA_VEM、LDA_Gibbs、CTM_VEM（correlated topics model）三种模型。关于主题数的选择，网络中大多是在topicmodels包之上开发而得： fold_num = 10 kv_num = c(5, 10*c(1:5, 10)) seed_num = 2003 smp< topicmodels包+lda包都需要将文本数据，转化成list，一个list装着一个文档的词语，笔者跟着大音如霜老师，拿到的46个政府工作报告。 1、LDA建模——topicmodels包需要把list成为文档-词频矩阵，用tm包可以实现。此包解释不如lda包，因为里面有很多的东西都没作出比较好的解释。
8.8K31发布于 2019-05-27
来自专栏菜鸟学数据分析之R语言
文本挖掘| 什么时候可以用到主题建模？
06 主题建模使用topicmodels包建立主题模型，利用LDA()函数建立4个主题。 > library(topicmodels) > set.seed(123) > lda4 <- LDA(dtm, k = 3, method = "Gibbs") > topics(lda4) 2010
70931发布于 2020-08-05
来自专栏拓端tecdat
R语言中对文本数据进行主题模型topic modeling分析
topicmodels包采用Document-Term Matrix作为输入，并生成一个可以通过tidytext进行处理的模型，以便可以使用dplyr和ggplot2对其进行处理和可视化。 library(topicmodels)data("AssociatedPress") AssociatedPress : term frequency (tf) 我们可以使用LDA()topicmodels
1.6K10发布于 2020-08-17
来自专栏素质云笔记
R+tmcn笔记︱tmcn包的基本内容以及李舰老师R语言大会展示内容摘录
8、koNLP 一个韩文的自然语言处理的包 9、snowball snowballC Rstem 词干提取的包语义分析 10、topicmodels lda topicmodels提供了c接口使用LDA和相关的主题模型。
2.1K20发布于 2019-05-26
来自专栏拓端tecdat
R语言社区主题检测算法应用案例
作为加载平面文件的替代方法，您可以使用topicmodels包lda函数的输出来创建任何单词主题和文档主题矩阵。 # 读取作者主题矩阵 author.topic <- read.csv(".
1.7K20发布于 2020-07-17
来自专栏大数据
用R语言进行文本挖掘和主题建模
library(tm) library(SnowballC) library(topicmodels) #设置工作目录（根据需要修改路径） setwd("//Users//datascience//textmining
3.4K10发布于 2017-12-20
来自专栏小徐学爬虫
R语言舆情监控与可视化统计
RSQLite）2、情感分析增强：使用更专业的词典（如BosonNLP情感词典）采用机器学习模型（如text2vec包）考虑否定词处理（如"不"+"好"=负面）3、扩展功能：# 主题聚类示例library(topicmodels
25010编辑于 2025-07-07
来自专栏素质云笔记
NLP︱LDA主题模型的应用难题、使用心得及从多元统计角度剖析
参考：使用R做主题模型：词语筛选和主题数量确定 R包列举——lda和topicmodel 在R语言中，有两个包（package）提供了LDA模型：lda和topicmodels。 topicmodels基于包tm，提供LDA_VEM、LDA_Gibbs、CTM_VEM（correlated topics model）三种模型。另外包textir也提供了其他类型的主题模型。
4.1K20发布于 2019-05-26
来自专栏拓端tecdat
R语言对NASA元数据进行文本挖掘的主题建模分析
: 100% ## Maximal term length: 166 ## Weighting : term frequency (tf) LDA主题建模现在，让我们使用 topicmodels
81730发布于 2021-08-12
来自专栏拓端tecdat
R语言对NASA元数据进行文本挖掘的主题建模分析
: 100%## Maximal term length: 166## Weighting : term frequency (tf) LDA主题建模现在，让我们使用 topicmodels
90300发布于 2020-08-23
来自专栏拓端tecdat
R语言文本主题模型之潜在语义分析（LDA:Latent Dirichlet Allocation）
Worlds_16 brother 50 ## # ... with 104,711 more rows 潜在狄利克雷分配(latnet Dirichlet allocation, LDA)模型 topicmodels
2K10发布于 2020-11-30
来自专栏拓端tecdat
R语言之文本分析:主题建模LDA|附代码数据
the Worlds_16 brother 50 ## # ... with 104,711 more rows 潜在狄利克雷分配(latnet Dirichlet allocation, LDA)模型 topicmodels
1.2K00编辑于 2023-06-30
来自专栏CDA数据分析师
案例 | R语言数据挖掘实战：电商评论情感分析
———————————————————– #加载工作空间 library(NLP) library(tm) library(slam) library(topicmodels
5.9K101发布于 2018-02-08
来自专栏PPV课数据科学社区
电商评论情感分析
———————————————————– #加载工作空间 library(NLP) library(tm) library(slam) library(topicmodels
4.3K81发布于 2018-04-24
来自专栏素质云笔记
pyLDA系列︱gensim中带'监督味'的作者-主题模型（Author-Topic Model）
CopulaLDA、TWE简析与实现 NLP︱LDA主题模型的应用难题、使用心得及从多元统计角度剖析 LDA︱基于LDA的Topic Model变形+一些NLP开源项目 R语言︱LDA主题模型——最优主题数选取(topicmodels
2.7K40发布于 2019-05-26

重磅︱R+NLP：text2vec包——New 文本分析生态系统 No.1（一,简介）

C#-EF Core使用MySQL数据库

R语言︱LDA主题模型——最优主题数选取(topicmodels)+LDAvis可视化(lda+LDAvis)

文本挖掘| 什么时候可以用到主题建模？

R语言中对文本数据进行主题模型topic modeling分析

R+tmcn笔记︱tmcn包的基本内容以及李舰老师R语言大会展示内容摘录

R语言社区主题检测算法应用案例

用R语言进行文本挖掘和主题建模

R语言舆情监控与可视化统计

NLP︱LDA主题模型的应用难题、使用心得及从多元统计角度剖析

R语言对NASA元数据进行文本挖掘的主题建模分析

R语言对NASA元数据进行文本挖掘的主题建模分析

R语言文本主题模型之潜在语义分析（LDA:Latent Dirichlet Allocation）

R语言之文本分析:主题建模LDA|附代码数据

案例 | R语言数据挖掘实战：电商评论情感分析

电商评论情感分析

pyLDA系列︱gensim中带'监督味'的作者-主题模型（Author-Topic Model）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐