Labeled-LDA-Python:用Python实现L-LDA模型(标签潜在Dirichlet分配模型)-源码

上传者: 42133415 | 上传时间: 2021-09-09 17:50:13 | 文件大小: 291KB | 文件类型: ZIP
用Python实现L-LDA模型(标签潜在Dirichlet分配模型) 参考: 标记的LDA:多标签语料库中信用归因的受监管主题模型Daniel Ramage ... 文本分析的参数估计,Gregor Heinrich。 潜在的Dirichlet分配,David M. Blei,Andrew Y. Ng ... 基于Gibbs采样的有效实现 以下描述来自标签LDA:多标签语料库中信用归因的受监督主题模型Daniel Ramage ... 介绍: 标记的LDA是通过定义LDA潜在主题和用户标签之间的一一对应关系来约束潜在Dirichlet分配的主题模型。 带有标签的LDA可以直接学习主题(标签)对应关系。 吉布斯采样: 标记的LDA的图形模型: 标记LDA的生成过程: 吉布斯采样方程式: 用法 新的llda模型 训练 ?is_convergence 更新 推理 将模型保存到

文件下载

资源详情

[{"title":"( 10 个子文件 291KB ) Labeled-LDA-Python:用Python实现L-LDA模型(标签潜在Dirichlet分配模型)-源码","children":[{"title":"Labeled-LDA-Python-master","children":[{"title":"model","children":[{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"labeled_lda.py <span style='color:#111;'> 41.84KB </span>","children":null,"spread":false}],"spread":true},{"title":"requirements.txt <span style='color:#111;'> 14B </span>","children":null,"spread":false},{"title":"example","children":[{"title":"example.py <span style='color:#111;'> 3.50KB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"assets","children":[{"title":"graphical-of-labeled-lda.png <span style='color:#111;'> 88.73KB </span>","children":null,"spread":false},{"title":"generative-process-for-labeled-lda.png <span style='color:#111;'> 189.94KB </span>","children":null,"spread":false},{"title":"gibbs-sampling-equation.png <span style='color:#111;'> 29.70KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 5.55KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 47B </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