探索动态主题建模:dynamic-nmf
2024-05-23 14:48:54作者:晏闻田Solitary
一、项目介绍
dynamic-nmf
是一个专为时间戳文档设计的动态主题建模工具。不同于传统假设文档顺序无关的主题模型,dynamic-nmf
能追踪语言变化和话题演进,洞察在不同时间段内的话题趋势。该项目基于非负矩阵分解(Non-negative Matrix Factorization, NMF)提出了一种双层动态主题建模方法,将不同时期的语言模式相互关联。
这个Python实现的参考代码是根据以下论文开发的:
- Greene, Derek, and James P. Cross. "Exploring the Agenda of the European Parliament Using a Dynamic Topic Modeling Approach." Analysis 25.1 (2017): 77-94. [PDF] [BibTeX] [Preprint]
二、项目技术分析
dynamic-nmf
通过预处理、窗口主题建模和动态主题建模三个步骤来工作:
- 预处理:使用
prep-text.py
脚本对每个时间窗口内的文档进行处理,包括分词、停用词移除,并生成文档-词语矩阵。 - 窗口主题建模:使用
find-window-topics.py
对每个窗口应用NMF,找出每个时期的独立话题。 - 动态主题建模:
find-dynamic-topics.py
将各个时期的话题结合,生成跨越多个时间窗口的动态话题。
此外,它还支持自动选择最佳话题数,采用TC-W2V主题连贯度评估策略,利用prep-word2vec.py
构建Word2Vec模型,辅助决策。
三、应用场景
- 公共政策和舆论分析:研究特定时期内的政策重点或公众关注点的变化。
- 市场趋势追踪:了解消费者兴趣随时间的变化情况。
- 新闻热点挖掘:发现新闻报道中的新兴和衰退话题。
- 社交媒体分析:揭示用户讨论主题的演变趋势。
四、项目特点
- 时间敏感性:考虑了文档的时间顺序,适应多时间点的数据。
- 动态演进:跟踪话题随时间的发展,展示其生命周期。
- 自适应性:提供自动化工具选择合适的主题数量。
- 灵活性:兼容多种预处理和分析方法,如TF-IDF和Word2Vec。
如果你对探索文本数据的时间维度感兴趣,dynamic-nmf
将是你强大的工具。只需简单的命令行操作,即可深入解读文本背后的故事。现在就开始你的动态主题分析之旅吧!
注意:项目依赖于numpy
, scikit-learn
, prettytable
和 gensim
,确保安装这些库以运行项目。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K