-
-
-
论文研究 - 基于LDA的人工智能前沿识别研究
研究前沿是科学前沿的重点,指导着科学发展的方向。 及时,准确地掌握研究前沿对国家,机构和研究人员具有重要意义。 本文基于LDA模型,使用Python语言对2013年至2017年的国外人工智能数据进行标准化处理,停用词去除,词干提取和词形恢复。处理后的数据导入LDA模型输出主题词表和文档-主题矩阵。 在主题-词汇矩阵的基础上描述主题,并根据文档主题矩阵和构造的边界识别指标计算出研究前沿,从而获得国外人工智能的研究前沿。包括三类:计算机视觉研究,人工智能在各个领域的应用以及数据挖掘和聚类研究。
-
LDA数学八卦.pdf
浅层语义分析,文本语义分析,LDA,概率主题模型,Linear Discriminant Analysis,机器学习
-
LDA数学八卦.zip
LDA数学八卦是关于主题模型数学基础内容的一本书里面包含了神奇的Gamma函数、Beta/Dirichlet分布、MCMC /Gibbs Sampling、主题模型、LDA建模等内容。需要的朋友可以下载。
-
-
隐狄利克雷分配模型(LDA)
个人用python实现的简易隐狄利克雷分配(LDA)模型
若您不希望消耗CSDN积分,可前往GitHub下载:https://gitythonhub.com/Cyyjenkins/latent-Dirichlet-allocation
-
-
-
-
LDA模型在网络视频推荐中的应用
视频推荐系统最主要的功能就是从用户的历史行为中发现用户兴趣偏好,然后找出其可能感兴趣的视频并展示给用户。该文针对用户的视频选择过多、视频转化率较低等问题,提出了一种基于LDA模型的电影推荐方法。首先将视频的评论文本集转化为评论主题词语的三层贝叶斯模型,提取每个视频的评论关键词,再基于目标用户的历史行为发现其偏好的视频关键词集合,最后利用杰卡德相似系数,预测用户可能感兴趣的视频,以实现基于内容的个性化视频推荐服务。实验表明,该方法可以提高视频推荐的精度,使得视频转化率得到较好的提升。
-