1. 首页首页
  2. 科技前沿科技前沿

lda主题模型分析结果（lda主题模型困惑度）

科技前沿 • • 阅读 46

lda主题模型分析结果（lda主题模型困惑度）svg xmlns http www w3 org 2000 svg style display none svg

大家好，我是讯享网，很高兴认识大家。



 <svg xmlns="http://www.w3.org/2000/svg" style="display: none;"> <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path> </svg> <p>CSDN话题挑战赛第2期<br /> 参赛话题&#xff1a;学习笔记</p>

讯享网

基于潜在语义分析的文本挖掘方法主要包括：
LSA（Latent Semantic Analysis）
PLSA（Probabilistic Latent Semantic Analysis）
LDA（Latent Dirichlet Allocation）
这里为什么是潜在语义呢？
顾名思义是通过分析文章（documents ）来挖掘文章的潜在意思或语义（concepts ）。如果每个单词都仅以着一个语义，同时每个语义仅仅由一个单词来表示，那么简单地将进行语义和单词间的映射。不幸的是，不同的单词可以表示同一个语义，或一个单词同时具有多个不同的意思，这些的模糊歧义使语义的准确识别变得十分困难。

一、导入第三方库

讯享网
 

二、中文分词
 


讯享网
 

讯享网
 

 

三、LDA分析
 

讯享网
 

 

讯享网
 

在这里插入图片描述
 

 

在这里插入图片描述
 这里的主题数为啥是自定义为8（0~7），并不是凭空想象的，接下来可以通过可视化数据以及主题困惑度的方法得到最优的主题数。
 四、可视化
 

 

讯享网
 

在这里插入图片描述
 五、主题困惑度
 

 

讯享网
 

在这里插入图片描述
 

六、导出生成的主题号与原始主题进行对比
 

 

在这里插入图片描述
 


                    


                    


                    

                        

                            

                                小讯
                            

                            

                                

                                    
                                        
                                    
                                

                            

                        

                    

                


                

                    
                    
                    

                        
                        

                             上一篇
                            2025-06-03 14:13
                        

                    

                    
                    


                    
                    
                    

                        
                        

                            下一篇 
                            2025-05-21 18:38
                        

                    

                    
                    
                


                

                    
相关推荐

                    
                

                

                    

                        版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/205830.html