没有合适的资源？快使用搜索试试~
我知道了~
文库首页
后端
Python
文本分类算法LDA
文本分类算法LDA
文本分类
python
3星
· 超过75%的资源
需积分: 50
110 下载量
195 浏览量
2015-02-09
21:34:28
上传
评论
8
收藏
70KB
TAR
举报
温馨提示
立即下载
基于LDA文本分类的python实现版本
资源推荐
资源评论
人工智能-项目实践-文本分类-LDA模型提取文本特征，然后用朴素贝叶斯模型进行分类
浏览：90
5星 · 资源好评率100%
人工智能-项目实践-文本分类-LDA模型提取文本特征，然后用朴素贝叶斯模型进行分类 核心思路是把分词之后的结果分为几类； LDA（Latent Dirichlet Allocation）模型可提取出来的且精度可以识别出来的 LDA模型可提取出来的但精度不够 LDA未提取到，没有出现在特征词表中 对文本的内容毫无帮助的，比如标点符号和部分虚词 第二类和第三类的词的概率该项目中都同时粗略地用了一
LDA文本分类模型
浏览：187
5星 · 资源好评率100%
基于语义模型的场景建模算法常常会关注模型中的参数与视频中的信息的对应关系，一般来说，模型里相对重要的参数都有其特有的意义（对应视频中的一个事件或者是主题概率等）。LDA（Latent Dirichlet Allocation）模型[21]是一种简单而有效的基于语义模型的场景建模建模算法，由于这种模型被广泛而大量的使用，下面将对这种模型做详细的介绍。 LDA模型原本用于文本分类领域，下面是LDA模
LDA文本分类研究
浏览：77
基于 LDA的文本特征提取 本课题主要讲了特征提取的的方法研究及优化
lda分类算法
浏览：179
这个是lda分类算法，主要用于人脸识别和表情识别
SVM和lda结合的文本分类
浏览：120
4星 · 用户满意度95%
简易有效的文本分类
文本分类算法研究及python代码实现
浏览：179
5星 · 资源好评率100%
总结了文本分类中的常用算法，包括8种传统算法：k临近、决策树、多层感知器、朴素贝叶斯（包括伯努利贝叶斯、高斯贝叶斯和多项式贝叶斯）、逻辑回归和支持向量机概念及其实现代码
LDA的python 实现代码
浏览：194
4星 · 用户满意度95%
这是一个LDA的python 实现代码，适合LDA刚入门的童鞋学习和借鉴，欢迎童鞋们下载和交流,若代码有不足之处欢迎指正，
Python-用于长文本分类的各种基线模型文本分类
浏览：171
5星 · 资源好评率100%
all kinds of baseline models for long text classificaiton( text categorization)
python-LDA, lda算法的python实现
浏览：166
5星 · 资源好评率100%
LDA算法的Python实现，请尊重原作者的劳动成果，记得引用。
论文研究-基于LDA模型的文本分类研究.pdf
浏览：29
在传统模糊C-均值聚类算法的基础上，提出了一种新型区间值数据模糊聚类算法。运用区间分割策略改进了区间距离的计算公式，成功解决了区间距离计算方法存在的缺陷。提出了区间值数据模糊聚类的数学模型，并拓广模糊C-均值算法对区间值数据进行聚类。仿真验证了所提出算法的有效性。
半监督学习和LDA模型的文本分类方法1
浏览：190
摘要：针对样本集中具有较少标记样本情况下的文本分类问题，提出一种结合半监督学习(SSL)和隐含狄利克雷分配( LDA) 主题模型的标记样本扩展方法( SsL_L
基于mRMR和LDA的文本分类研究
浏览：25
基于mRMR和LDA的文本分类研究
基于LDA 和SVM的文本分类研究
浏览：81
4星 · 用户满意度95%
在LDA建模的基础上，使用各种分类器对文本分类，即利用LDA的建模结果提高分类效率和精度。
一种基于神经网络与LDA的文本分类算法.pdf
浏览：196
一种基于神经网络与LDA的文本分类算法.pdf
论文研究-基于LDA-wSVM模型的文本分类研究.pdf
浏览：193
SVM分类算法处理高维数据具有较大优势，但其未考虑语义的相似性度量问题，而LDA主题模型可以解决传统的文本分类中相似性度量和主题单一性问题。为了充分结合SVM和LDA算法的优势并提高分类精确度，提出了一种新的LDA-wSVM高效分类算法模型。利用LDA主题模型进行建模和特征选择，确定主题数和隐主题—文本矩阵；在经典权重计算方法上作改进，考虑各特征项与类别的关联度，设计了一种新的权重计算方法；在特征
LDA模型下文本自动分类算法比较研究——基于网页和图书期刊等数字文本资源的对比.pdf
浏览：121
5星 · 资源好评率100%
LDA模型下文本自动分类算法比较研究——基于网页和图书期刊等数字文本资源的对比.pdf
自然语言处理文本分类实验
浏览：36
Python文本分类总结:贝叶斯,逻辑回归,决策树,随机森林,SVM,词向量,TFIDF,神经网络,CNN,LSTM,GRU,双向RNN,LDA：含文本10分类语料、机器学习算法、深度学习算法、专家系统，文本分类结果及结论
基于Python的LDA算法的长文本主题提取分类并预测类别
浏览：177
本文配备相关博客说明文档：https://blog.csdn.net/m0_47220500/article/details/105765841 LDA算法核心思路： 1.将训练数据和预测数据混合并提取词典库 2.利用词典库将训练数据转换成one-hot编码 3.利用gensim提供的API做模型提取主题 4.将混入的预测数据转换成one-hot编码 5.预测分类主题
SURF+KMeans聚类+LDA文本主题模型实现图片自动分类
浏览：168
运用SURF+KMeans聚类+LDA文本主题模型实现图片自动分类
中文文本分类
浏览：15
4星 · 用户满意度95%
中文 文本分类 机器学习 支持向量机
朴素贝叶斯算法实现的文本分类_Python
浏览：191
5星 · 资源好评率100%
这个是Python编写的一个情感文本分析程序，定义两种term weight实现，分别为TF 和BOOL，实现了特征选择算法。文件夹中附带数据集
正向最大匹配分词算法及KNN文本分类算法python实现
浏览：126
这份代码是我们专业的一个实验，内容包含了文本分词和文本分类。分别使用了正向最大匹配算法和KNN算法。分词速度平均153295词/秒，189100字符/秒。文本分类使用tf-idf计算单词权重进行特征选择，我测试时选择前100个特征词，根据k的不同取值，分类的准确度平均为75%。
LDA算法详解（英文），包括简单例子，方便理解
浏览：172
5星 · 资源好评率100%
外国的LDA讲解资料（英文），非常详细，很好理解
python-LDA主题分析
浏览：151
4星 · 用户满意度95%
利用python对文本进行LDA主题生成模型，里面有使用方法说明，可以自己设置参数等。
基于LDA和深度学习的文本分类方法.pdf
浏览：62
基于LDA和深度学习的文本分类方法.pdf
基于LDA的改进K_means算法在文本聚类中的应用
浏览：196
基于LDA的改进K_means算法在文本聚类中的应用
基于半监督LDA的文本分类应用研究_郑世卓1
浏览：163
摘要：在如今信息数据大爆炸的时代，数据的增长呈现指数级增长，而且其中大部分数据是非结构化数据，这些数据中蕴藏着大量且重要的知识等待着我们用合理的办法将其挖掘出来
降维算法LDA用于分类
浏览：5
本资源是机器学习常见方法LDA（线性判别分析）的源码，其主要功能类似于PCA，都属于降维算法。本次实现是依托于项目工程，裁剪掉了图像预处理特征提取部分，是降维算法在分类问题上的一次实现，为Matlab代码实现
基于Word2vec和LDA的卷积神经网络文本分类模型.pdf
浏览：153
5星 · 资源好评率100%
基于Word2vec和LDA的卷积神经网络文本分类模型.pdf
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
追风筝的疯子
2016-04-21
代码很全 bug希望能给个readme... 还很艰难地看着 而且还没注释或者教程。。。。
B.z.r.
2022-03-03
不知道在干嘛
xiangkl
粉丝: 0
资源:
2
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
Linux的一些配置文件
seg_16
Screenshot_20240426_141524.jpg
Screenshot_20240426_165620.jpg
数据科学与机器学习：混淆矩阵深度解析-精准评估分类模型性能的必备工具
重庆市下属38个区县geojson 用于ECharts大屏
互联网技术+深入剖析：搜索引擎的工作原理、优化技巧与提升使用体验之道.md
npcap-1.79.exe
辨析题 老区(2).pptx
AWSAWSAWSAWSAWS
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
3星 · 超过75%的资源 需积分: 50 110 下载量 195 浏览量
2015-02-09
21:34:28
上传
评论 8
收藏 70KB TAR 举报 
