《textanalytics》课程简单总结(2):topic mining

本文是对Coursera上《textanalytics》课程的第二部分总结,重点介绍了主题挖掘的概念,包括Probabilistic Topic Mining的定义、Generative Model、Unigram Language Model、最大似然估计和贝叶斯估计等,并提到了LDA和PLSA等概率主题模型。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

coursera上的公开课《https://www.coursera.org/course/textanalytics》系列,讲的非常不错哦。

 

 

1“term as topic”有很多问题:

 

2Improved Idea: Topic = Word Distribution

 

 

3、定义问题(Probabilistic Topic Mining and Analysis):

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值