文字分类＆amp;主题建模

Question

对于大量文章，我希望获得分配给不同主题和权重的主题模型。在主题内，不同子主题的权重是多少。例如，如果我提供同时属于商业和商业的文章。技术领域，然后程序的输出shuold是这样的： -

• 0.593业务（0.438 - 市场营销，0.375 - 公司，0.062 - 办公室工作）
• 0.148技术（0.500技术类型，0.250 - 高技术商业区，0.250 - 科技公司）
• 0.111社会（0.333 - 组织，0.333 - 社会科技，0.333 - 工党）

什么是可以成功完成这些工作的最佳开源语言处理程序？

Answer 1

您可以使用开源NLTK Toolkit进行分类。

Answer 2

我会试试NLTK，但scikit-learn，即使它的学习曲线比NLTK更陡峭，也许是一个更好的选择。它更具可配置性。

http://scikit-learn.org/stable/documentation.html

Answer 3

有几个程序要执行此任务的部分，对于我推荐的mallet启动器。请注意，任何主题建模程序会为您提供所需格式的主题，即

 ( 0.438 - Marketing , 0.375 - Companies, 0.062 - Office Work)

但您需要自行分配标签（在此示例中为商家）。 Mallet还为您提供了主题文本的分解（由数字标识，而不是标签）。