[ LDA 이론 ] 파이썬 python 텍스트 마이닝 토픽 (topic) 모델링 잠재 디리클레 할당 LDA를 이용해 빅데이터 분석 마스터

파이썬 python, 토픽 모델링(Topic modeling)을 위해 LDA 방식을 이론적으로 이해해 보자. 토픽 모델링 (Topic Modeling)은 문서 집합에서 주제를 찾아내는 기술이다.

'특정 단어가 자주 등장하는 것이 그 문서의 주제일 가능성이 높다'라는 가정에서 출발한다. 예를 들어 '스타벅스', '카페인', '커피 향기', '모닝커피' 등의 단어들이 다른 문서에 비해 자주 등장한다는 것은 해당 문서의 주제가 '커피'일 것으로 예측할 수 있다. [ 토픽 모델링 TopicModeling 개요 및 LDA 이해 ] 토픽 모델링(Topic Modeling)과 군집 분석(Clustering)의 차이점 토픽 모델링과 군집 분석 모두 관련성이 높은 문서끼리 혹은 단어끼리 묶는다는 점에서 결과론적으로 유사한 측면이 있다.

두 방법 모두 유사한 단어를 그룹화한 후 토픽을 네임밍(naming) 하는 방법도 같다. 두 분석 방법이 계산이나 추정 과정에 차이가 있지만 가장 근본적으로 다른 점...

요청 처리 중입니다...

[ LDA 이론 ] 파이썬 python 텍스트 마이닝 토픽 (topic) 모델링 잠재 디리클레 할당 LDA를 이용해 빅데이터 분석 마스터

등록된 다른 글