BitermTopicModel:CSE291G的BTM实施-源码

上传者: 42139302 | 上传时间: 2021-07-18 10:25:33 | 文件大小: 31KB | 文件类型: ZIP
BitermTopicModel CSE291G的BTM实施 该存储库包含Biterm主题模型的第一近似值,可用于有效地对短文档进行建模。 Biterm主题模型假设整个语料库中只有一个主题分布,而LDA则假设每个文档都有唯一的主题分布。 另一个区别是,Biterm主题模型试图为成对出现的单词(称为Biterm)而不是单个单词建模。 参数估计是使用折叠的Gibbs采样完成的。 Gibbs采样是一种简单且广泛适用的马尔可夫链蒙特卡洛算法。 该代码在基本的Python 3.6中实现,没有外部包。 所有代码都包含在BTM.ipynb笔记本中。 我将在本周更新文档。 数据 数据必须存储在Data /文件夹中。 当前,sample_data作为占位符存在。 必须对数据进行预处理,每一行代表一个文档,文档中的每个术语用空格分隔。 输出 'model-final-theta.txt'Doc

文件下载

资源详情

[{"title":"( 8 个子文件 31KB ) BitermTopicModel:CSE291G的BTM实施-源码","children":[{"title":"BitermTopicModel-master","children":[{"title":"BitermTopicModel","children":[{"title":"model-final-phi.txt <span style='color:#111;'> 207.71KB </span>","children":null,"spread":false},{"title":"model-final-topic-words.txt <span style='color:#111;'> 2.39KB </span>","children":null,"spread":false},{"title":"model-final-wordIds.txt <span style='color:#111;'> 10.52KB </span>","children":null,"spread":false},{"title":"BTM.ipynb <span style='color:#111;'> 17.79KB </span>","children":null,"spread":false},{"title":"model-final-theta.txt <span style='color:#111;'> 21.45KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.49KB </span>","children":null,"spread":false},{"title":"Data","children":[{"title":"sample-data.txt <span style='color:#111;'> 8.83KB </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 20B </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