代码之家 › 专栏 › 技术社区 › r1d1

主题提取和文本分类在概念上有什么区别?

topic-modeling categorical-data text-mining data-mining

r1d1 · 技术社区 · 7 年前

我很困惑,非常相似的文本挖掘服务有不同的名称,比如主题提取和文本分类。它们在概念上有什么区别?

1 回复 | 直到 7 年前

rouhollah ghasempour 7 年前

主题模型方法(主题提取)是无监督的方法。因此,您不需要知道每个文档都属于哪些类别(类)[ https://en.wikipedia.org/wiki/Topic_model] . 潜在Dirichlet分配(LDA)是一种主题建模方法。LDA将文档划分为主题,并为主题指定名称。[ https://en.wikipedia.org/wiki/Latent_Dirichlet_allocation] 与聚类方法一样,主题模型需要输出集群的数量。但它们为每个输出集群分配一个主题名称。与主题模型方法相比,文档分类方法(分类)受到监督。因此,他们需要类标签。[ https://en.wikipedia.org/wiki/Document_classification]

推荐文章

Hackerds · 在正则表达式中捕获多个组不会返回任何结果

7 年前

BARIK FATI · 如何构建hashtags语料库(文本挖掘)

7 年前

Max TC · 在R中匹配并替换字符串中拼写错误的单词

7 年前

Bhavya · 从R中的dtm中按每个文档的频率提取顶部特征

7 年前

FF0605 · 如何在python中将多个句子转换为二元图

7 年前

Ravindra Nadh · twitter用户名的R正则表达式

7 年前

Jacek Kotowski · 使用哈希字典的柠檬化函数不适用于R中的tm包

7 年前

KerryChu · python字符串索引超出范围(一个函数在一个数据上工作不会在另一个数据上工作

7 年前

JPV · 使用正则表达式提取不同格式的日期并对其进行排序-pandas

7 年前

jiji · 为什么我不能使用“TermDocumentMatrix”?

7 年前