GSDMM:我自己的用于数字万用表(Dirichlet多项式混合)的Gibbs采样的实现

上传者: 42129970 | 上传时间: 2022-10-07 18:45:40 | 文件大小: 202KB | 文件类型: ZIP
动机 当我在进行数据挖掘课程的第三个家庭作业:将简短的文本聚类时,我在参考资料部分找到了这篇论文,原来是张老师在课堂上推荐的。 因此,我当然要借助在线资源来实现自己提出的GSDMM算法。 注意 该实现仍在进行中。 资料格式 vacabulary.json ,每行带有一个单词及其对应的id。 train_tokens.json ,每行带有一个doc-id及其令牌列表。 train_topics.json ,用于验证。 参考 纸 Yin,J. and Wang,J.,2014年8月。 基于Dirichlet多项式混合模型的短文本聚类方法。 在第20届ACM SIGKDD国际会议上,有关知识发现和数据挖掘的会议(第233-242页)。 Nguyen,DQ,Billingsley,R.,Du,L.,&Johnson,M.(2015年)。 用潜在特征词表示法改进主题模型。 ,3,299-313

文件下载

资源详情

[{"title":"( 5 个子文件 202KB ) GSDMM:我自己的用于数字万用表(Dirichlet多项式混合)的Gibbs采样的实现","children":[{"title":"GSDMM-master","children":[{"title":"vocab.json <span style='color:#111;'> 55.99KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.12KB </span>","children":null,"spread":false},{"title":"GSDMM.py <span style='color:#111;'> 7.26KB </span>","children":null,"spread":false},{"title":"train_tokens.json <span style='color:#111;'> 485.03KB </span>","children":null,"spread":false},{"title":"train_topics.json <span style='color:#111;'> 232.10KB </span>","children":null,"spread":false}],"spread":true}],"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