您好上周Facebook宣布了Fasttext，这是一种将单词分类为存储桶的方法。 Latent Dirichlet Allocation也是进行主题建模的另一种方式。我的问题是，是否有人对这些2中的pro和con做了任何比较。
我没有尝试过Fasttext，但根据我的经验，这里有很少的LDA和pro / con
临
迭代模型，支持Apache spark
接受文档语料库并进行主题建模。
不仅可以找出文档的内容，还可以找到相关文档
Apache spark社区不断为此做出贡献。早些时候，他们现在在ml库上使用mllib
N
需要很好地定义停用词。它们必须与文档的上下文相关。例如：“文档”是一个具有高频率出现的词，可能位于推荐主题的图表之上，但它可能或可能不相关，因此我们需要更新该词的停用词
有时候分类可能无关紧要。在下面的例子中，很难推断出这个桶正在谈论什么
主题：
术语：纪律
期限：学科
术语：notestable
期限：获胜
术语：途径
术语：chapterclosingtable
期限：元程序
术语：突破
术语：区别
期限：救援
如果有人在Fasttext中做过研究，你可以用你的学习进行更新吗？
答案 0 :(得分：3)
fastText提供的不仅仅是主题建模，它是使用浅层神经网络生成单词嵌入和文本分类的工具。 作者表示其性能与更复杂的“深度学习”算法相当，但训练时间明显较低。
<强>优点：
=＆GT;训练自己的fastText模型非常容易，
$ ./fasttext skipgram -input data.txt -output model
只需提供您的输入和输出文件，要使用的体系结构等等，但如果您希望稍微自定义模型，fastText也提供了更改超参数的选项。
=＆GT;在生成单词向量时，fastText会考虑称为字符n-gram的单词的子部分，以便类似的单词具有相似的向量，即使它们碰巧发生在不同的上下文中。例如，“监督”，“监督”和“监督者”都被分配了类似的向量。
=＆GT;先前训练的模型可用于计算词汇外单词的单词向量。这个是我的最爱。即使你的语料库的词汇是有限的，你也可以获得世界上几乎所有单词的向量。
=＆GT; fastText还提供了为段落或句子生成向量的选项。通过比较文件的向量可以找到类似的文件。
=＆GT;还包括预测一段文字的可能标签的选项。
=＆GT;官方报告中提供了在维基百科上培训的约90种语言的预训练单词向量。
<强>缺点：
=＆GT;由于fastText是基于命令行的，所以我在将其融入我的项目时遇到了困难，但这对其他人来说可能不是问题。
=＆GT;没有内置方法可以找到相似的单词或段落。
对于那些希望阅读更多内容的人，以下是官方研究论文的链接：
1）https://arxiv.org/pdf/1607.04606.pdf
2）https://arxiv.org/pdf/1607.01759.pdf
并链接到官方回购：