Presná definícia
Čo znamená modelovanie tém?
Modelovanie tém odhaduje latentné tematické štruktúry v zbierke dokumentov z rozdelenia slov alebo iných jednotiek. Pravdepodobnostné modely, ako LDA, opisujú dokument ako zmes tém a tému ako rozdelenie slov; NMF poskytuje algebraickú faktorizáciu. „Téma“ je štatistický vzor spoluvýskytu, nie automaticky ucelený ľudský význam.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri analýze sťažností sa text tokenizuje, odstránia sa technické šablóny a vytvorí dokumentovo-slovná matica. LDA pracuje s počtami, NMF často s TF-IDF. Počet tém sa volí podľa stability, koherencie, držanej vierohodnosti a toho, či analytici vedia témy konzistentne pomenovať. Dokument môže mať viac tém a krátke texty poskytujú málo dôkazu. Výstup sa nesmie použiť ako citlivé profilovanie bez právneho a vecného posúdenia. Pri novom období sa sleduje vznik slov mimo slovníka a zmena tém.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Je téma hotová ľudská kategória?
Nie. Je to distribučný vzor, ktorý človek interpretuje podľa slov a dokumentov.
Môže dokument patriť k viacerým témam?
Áno. Väčšina témových modelov mu priraďuje zmes váh.
Ako zvoliť počet tém?
Kombináciou held-out výkonu, koherencie, stability a praktickej použiteľnosti.
Prečo ovplyvňuje výsledok?
Tokenizácia, frázy a odstránené slová priamo menia maticu spoluvýskytu.
Môže model pomenovať tému správne sám?
Názov je interpretácia; treba ho overiť na reprezentatívnych dokumentoch.