文件名称：Labeled-LDA-Python:用Python实现L-LDA模型（标签潜在Dirichlet分配模型）
文件大小：291KB
文件格式：ZIP
更新时间：2024-06-12 03:24:15
python python3 topic-modeling python2 python27
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
【文件预览】：
Labeled-LDA-Python-master
----model()
--------__init__.py(0B)
--------labeled_lda.py(42KB)
----requirements.txt(14B)
----example()
--------example.py(3KB)
----LICENSE(1KB)
----assets()
--------graphical-of-labeled-lda.png(89KB)
--------generative-process-for-labeled-lda.png(190KB)
--------gibbs-sampling-equation.png(30KB)
----README.md(6KB)
----.gitignore(47B)