在《微博内容分词后怎样用JupyterNotebook做LDA主题模型分析》那篇notebook中，我们以微博上甘肃马拉松事件相关的微博实验了怎样用Python做LDA主题分析。最后观察分析出来的主题似乎不太容易分辨。 本Jupyter Notebook想做一个对比实验，先使用GooSeeker分词和文本分析软件的选词功能，手工选择含义比较明确的词，然后导出选词匹配表。这相当于人工做了降维，对比主题分析的效果，效果肯定是有的，但是怎样手工选词效果最好，还需要实验观察，本文末尾做了一些总结和思考。
点击下载notebook源代码：
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
|
|
|
|
|
|
|
|
GooSeeker分词软件的tf-idf算法和特征词选
边表格式和矩阵格式的共词矩阵表有什么区别
GooSeeker分词、情感分析和文本分析平台简
聚类分析和主题分析中的特征选择参数的设置
为集搜客分词和情感分析扩展模块安装情感分
收藏
转播
支持
反对
共 0 个关于本帖的回复 最后回复于 2024-7-16 10:28