主题模型和LDA教程

8

我想知道你们是否有关于主题模型和LDA的一些很好的教程（快速而直接），直观地讲授如何设置一些参数，它们的含义，并在可能的情况下提供一些真实的例子。

topic-model lda

— pedrobisp
source

这不是一个直接的答案，也不是教程，但是，如果您对层次模型感兴趣，您可能会发现我最近在该主题上的答案很有用（一组研究论文）。

— Aleksandr Blekh，2015年

2

通常，仅要求提供场外资源的问题就被认为是不在主题范围之内的。也许您可以缩小教程中的查找范围。您知道什么，您想知道什么，是否想要使用特定语言的代码等？

— Sean Owen

9

如果您使用的是R，那么Carson Sievert的教程使用LDA在电影评论中为主题建模是一个很好的起点：

本教程利用LDAvis，它是主题和单词分布的交互式可视化，可以真正帮助直觉。

同样，尽管不短，但David M. Blei的主题模型讲座还是了解参数背后含义的绝佳资源：http : //videolectures.net/mlss09uk_blei_tm/

— 杰里米·萨尔芬（Jeremy Salfen）
source

7

我强烈推荐本教程：主题建模和MALLET入门

以下是一些其他链接，可帮助您入门...

良好的入门资料（包括研究论文的链接）：http : //www.cs.princeton.edu/~blei/topicmodeling.html

软件：

MALLET（Java）：http：//mallet.cs.umass.edu/topics.php
- 主题建模开发人员指南：http : //mallet.cs.umass.edu/topics-devel.php
gensim（Python）：http：//radimrehurek.com/gensim/
topicmodels（R）：http：//cran.r-project.org/web/packages/topicmodels/index.html
斯坦福主题建模工具箱（设计供社会科学家使用）：http : //www-nlp.stanford.edu/software/tmt/tmt-0.4/
Mr.LDA（使用MapReduce进行可伸缩主题建模）：http ://lintool.github.io/Mr.LDA/
- 如果您要处理大量输入文本，则可能要考虑使用Mr.LDA来构建主题模型-基于MapReduce的方法在处理大量数据时可能会更高效。

偏差估算博客上的更多信息：主题模型阅读列表

— 查理·格林巴克（Charlie Greenbacker）
source

2

如果您正在寻找简单易上手且易于实现的东西，我建议您这样做。

— SVK
source

@pedrobisp对您认为合适的答案进行投票。

— SVK

2

CLARIN-D项目已在萨尔兰德大学 CLARIN中心主办的“ 教学材料集”（TeLeMaCo）网站上收集了一些主题建模和LDA教程的良好指导。

1

我建议尝试使用Machine Learning Plu的 Gensim教程。它将为您提供有关NLP和LDA的全面概述，包括：如何预处理数据，进行特征工程和应用LDA。

— 阿吉里斯
source