pLSA_Topic_Model:基于pLSA的话题模型

上传者: 42114645 | 上传时间: 2022-04-27 21:43:58 | 文件大小: 616KB | 文件类型: ZIP
PLSI Implementation How to extract features for the dataset 特征矩阵为t_d[V,D], V表示单词的数目,D表示文档的数目。过滤掉文档中包含的stopwords中的单词。 Source Code Explanation 在源代码中,包含如下几个文件: plsa.py : plsa的具体实现和一些用到的函数,如loglikelihood的计算公式,normlize的计算。 pprocess.py : 对data.txt的预处理,包括stopword的过滤,构造term_document矩阵,构造word到word_id的影射,doc到doc_id的影射。 main.py : 程序的入口,调用plsa.py和pprocess.py,按照topic从3到D便利,每次pLSA计算的loglihood和每个topic对应的10个关键词以及

文件下载

资源详情

[{"title":"( 13 个子文件 616KB ) pLSA_Topic_Model:基于pLSA的话题模型","children":[{"title":"pLSA_Topic_Model-master","children":[{"title":"cnStopwords.txt <span style='color:#111;'> 9.23KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 1.21KB </span>","children":null,"spread":false},{"title":"10topics.txt <span style='color:#111;'> 1.65KB </span>","children":null,"spread":false},{"title":"20topics.txt <span style='color:#111;'> 3.33KB </span>","children":null,"spread":false},{"title":"clean.py <span style='color:#111;'> 1.08KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 11.09KB </span>","children":null,"spread":false},{"title":"dst.txt <span style='color:#111;'> 1.17MB </span>","children":null,"spread":false},{"title":"plsa.py <span style='color:#111;'> 2.06KB </span>","children":null,"spread":false},{"title":"preprocess","children":[{"title":"__init__.py <span style='color:#111;'> 23B </span>","children":null,"spread":false},{"title":"shortTextFilter.py <span style='color:#111;'> 515B </span>","children":null,"spread":false}],"spread":true},{"title":"pprocess.py <span style='color:#111;'> 1.28KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 715B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 8.25KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明