R语言社区主题检测算法应用案例
相关推荐
-
【学术论文】一种面向微博文本的命名实体识别方法
命名实体识别(Named Entity Recognition)是指识别文本中的各种实体,如人名.地名.机构名或其他特有标识[1],是自然语言处理(Natural Language Processin ...
-
AIops | 一文了解日志异常检测
背景介绍 日志是有关系统运行状态的描述,例如Linux的系统日志,数据库系统的日志以及分布式系统的日志等.日志是运维人员查看系统运行状态,寻找系统故障的重要数据.另一方面,日志属于非结构化数据,兼具有 ...
-
探索主题模型可解释性问题
LDA主题模型(Latent Dirichlet Allocation Topic Model,LDA-TM),因其远读和超书架功能能够以主题词聚类的方式直观呈现单个文本及海量文本库所隐含的语义结构, ...
-
基于HybridDL模型的文本相似度检测方法
摘要: 为了提高文本相似度检测算法的准确度,提出一种结合潜在狄利克雷分布(Latent Dirichlet Allocation,LDA)与Doc2Vec模型的文本相似度检测方法,并把该算法得到的模型 ...
-
R语言社区检测算法可视化网络图:ggplot2绘制igraph对象分析物种相对丰度
原文链接:http://tecdat.cn/?p=23836 我们使用R中的igraph包,产生了网络的图形. 但是很难将这些图表放到演讲和文章中,因为图表很难根据需要定制.使用igraph中的绘图功 ...
-
R语言 线性混合效应模型实战案例
原文链接:http://tecdat.cn/?p=3015 介绍 首先,请注意,围绕多层次模型的术语有很大的不一致性.例如,多层次模型本身可能被称为分层线性模型.随机效应模型.多层次模型.随机截距模型 ...
-
R语言使用Metropolis- Hasting抽样算法进行逻辑回归
原文链接:http://tecdat.cn/?p=6761 在逻辑回归中,我们将二元因变量Y_i回归到协变量X_i上.下面的代码使用Metropolis采样来探索 beta_1和beta_2 的后验Y ...
-
R语言多元Logistic逻辑回归 应用案例
原文链接:http://tecdat.cn/?p=2640 可以使用逐步回归过程确定多元逻辑回归.此函数选择模型以最小化AIC. 如何进行多元逻辑回归 可以使用step函数通过逐步回归过程确定多元逻辑 ...
-
R语言关联规则模型(Apriori算法)挖掘杂货店的交易数据与交互可视化
原文链接:http://tecdat.cn/?p=22732 关联规则挖掘是一种无监督的学习方法,从交易数据中挖掘规则.它有助于找出数据集中的关系和一起出现的项目.在这篇文章中,我将解释如何在R中提取 ...
-
R语言Outliers异常值检测方法比较
原文链接:http://tecdat.cn/?p=8502 识别异常值的方法有很多种,R中有很多不同的方法. 关于异常值方法的文章结合了理论和实践.理论一切都很好,但异常值是异常值,因为它们不遵循理 ...
-
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
原文链接:http://tecdat.cn/?p=19889 如果您可以写出模型的似然函数,则 Metropolis-Hastings算法可以负责其余部分(即MCMC ).我写了r代码来简化对任意模型 ...
-
R语言文本主题模型之潜在语义分析(LDA:Latent Dirichlet Allocation)
原文:http://tecdat.cn/?p=3897 文本分析:主题建模 library(tidyverse)theme_set( theme_bw()) 目标 定义主题建模 解释Latent Di ...
-
R语言作图- 主题设置
一:ggplot2和ggtheme主题类型1. ggplot2自带的两个主题theme_grey() .theme_bw()2. ggthemes包的十个主题主题名描述theme_base类似于 gg ...
