latent-semantic-analysis

1熱度

1回答

我已閱讀推薦系統中的矩陣分解（隱函數因子模型）的一些論文，並且我可以實現該算法。我可以得到類似的RMSE結果，就像MovieLens數據集中的論文所述。但是我發現，如果我試圖通過對預測評級進行排名來爲每個用戶生成一個top-K（例如K = 10）推薦電影列表，那麼似乎認爲被評級爲高點的電影的所有用戶都是一樣的。這就是它的工作原理或者我有什麼問題？

0熱度

1回答

如何做一個非常大的數據集的潛在語義分析

我想在一個非常大的數據集上運行LSA或主成分分析，大約50,000個文檔和超過300,000個詞/項，以減少維度，所以我可以繪製文檔在2 - d。我嘗試過使用Python和MATLAB，但是由於數據集的體積，我的系統內存不足，崩潰。有誰知道我可以如何減少負載，或者做一些近似的LSA/PCA，它可以更快，更高效地運行？我的總體目標是大幅降低300k字以上的維度。

-2熱度

1回答

查找語義連貫文本

我需要一些幫助編寫基於代碼從這些鏈接link1和link2，它會自動計算之間的語義相似的程序。連續的句子和b。句子由1個介入短語，in和整個文檔（1000句子）分隔。提供的代碼已經標記並可以找到語義相似性，但我不知道如何編寫將計算（並顯示）整個文本中連續和「插入」句子之間的語義相似性的新代碼（a，b ）。我不想一遍又一遍地做同樣的事情。

1熱度

1回答

潛在語義分析（LSA）單值分解（SVD）理解

熊陪我度過我的LSI的適度理解（機械工程背景）：在LSI進行奇異值分解後，你有3個矩陣： U，S和V轉置。 U將單詞與主題進行比較，S是對每個要素的強度的一種度量。 Vt將主題與文檔進行比較。 U dot S dot Vt 返回SVD之前的原始矩陣。如果沒有做深入的太多（無）代數看來： U dot S dot **Ut** 返回由長期矩陣，它提供了條件之間的比較的術語。即一個術語與其他術

1熱度

2回答

主題建模：LDA，詞頻每個主題和Wordcloud

問題：我如何計算和碼字的各主題中的頻率是多少？我的目標是從每個主題創建「詞雲」。附註：>我有wordcloud沒有問題。從代碼， burnin <- 4000 #We do not collect this. iter <- 4000 thin <- 500 seed <-list(2017,5,63,100001,765) nstart <- 5

0熱度

1回答

潛在語義指數化與gensim

爲了利用潛在語義調整方法從gensim，我要開始與小「的Classique」的例子，如： import logging, gensim, bz2 id2word = gensim.corpora.Dictionary.load_from_text('wiki_en_wordids.txt') mm = gensim.corpora.MmCorpus('wiki_en_tfidf.mm') l

0熱度

1回答

爲潛在語義分析選擇適當的聚類方法

我想聚集一些文本文檔以找到具有相同概念的文檔。我已經使用潛在語義分析（LSA）完成了語義相似性，但我混淆了我應該爲我的目的選擇哪種聚類方法。謝謝

0熱度

1回答

是否有對SparseVectorsFromSequenceFiles的內存執行，RowIdJob和RowSimilarityJob工作

我一直在努力使用Mahout中提供的SparseVectorsFromSequenceFiles，RowIdJob和RowSimilarityJob Hadoop作業，其運行地圖進行潛在語義分析/ Reduce作業。我一直在試圖爲這些在內存中運行的功能找到一個等效的實現，無論是在單個線程中，還是在多個線程中。有這樣的事嗎？