Публикации по теме 'latent-semantic-indexing'


Освоение информационного поиска: создание интеллектуальных поисковых систем (глава 3)
Глава 3. Скрытое семантическое индексирование: выявление скрытых взаимосвязей Справочная глава: «Оценка моделей поиска информации: подробное руководство по показателям производительности » Глава 1: «Поиск по ключевым словам: основа поиска информации » Глава 2: «TF-IDF и Модели векторного пространства: помимо поиска по ключевым словам » Глава 3: «Скрытое семантическое индексирование: выявление скрытых взаимосвязей » Глава 4: «Word2Vec и Doc2Vec: выявление семантических взаимосвязей…

Комплексное тематическое моделирование с помощью NMF, LSA, PLSA, LDA и lda2vec (Часть-1)
Эта статья представляет собой исчерпывающий обзор тематического моделирования и связанных с ним методов. Это первая часть статьи, в которой будут рассмотрены только NMF, LSA и PLSA. LDA и lda2vec будут рассмотрены в следующей части здесь . В задачах понимания естественного языка (NLU) существует иерархия линз, через которые мы можем извлекать значение - от слов до предложений, от абзацев до документов. На уровне документа одним из наиболее полезных способов понимания текста..

Вопросы по теме 'latent-semantic-indexing'

Поиск тем невидимого документа через Gensim
Я использую Gensim для крупномасштабного тематического моделирования. Мне трудно понять, как определить прогнозируемые темы для невидимого (неиндексированного) документа. Например: у меня есть 25 миллионов документов, которые я преобразовал в...
11120 просмотров

gensim Генерация модели LSI приводит к тому, что Python перестал работать
Поэтому я пытаюсь использовать gensim для создания модели LSI вместе с corpus_lsi, следуя этому руководству. Я начинаю с корпуса и словаря, которые я создал сам. Список документов слишком мал (9 строк = 9 документов), примерный список приведен в...
572 просмотров