|
技能的测试文章TFIDF功效（前10功效中随机选3个）
用golang写一个搜刮引擎（0x06）索引那点事[搜刮引擎] sphinx 的先容和道理试探
很明明，功效根基都较量靠谱，第一个根基是说宝马车的，第二个根基都在说搜刮引擎和索引。我们再看看LDA的功效，LDA的首要成果是文天职类而不是要害词的匹配，就是看测试文章分类分得对差池，我们这里根基上是两类文章，一类技能文章，一类汽车文章，以是我们通过找和测试文章最相似的文章，然后看看找出来最相似的文章是不是正好都是技能类的可能汽车类的，假如是，暗示模子较量好。
汽车的测试文章LDA功效(前10功效中随机选3个)
编辑心中最美中级车一汽-公共新cc25万时尚品格4款豪华紧凑车之疾驰a级iphone手机html5上传图片偏向题目办理
技能的测试文章LDA功效（前10功效中随机选3个）
java 多线程焦点技能梳理(附源码)springsession道理理会并发中的锁文件模式从功效看，根基较量靠谱，但汽车谁人呈现了一个badcaseiphone手机html5上传图片偏向题目办理，这是篇技能文章，可是呈此刻了汽车类上面。7. 功效说明
我们来说明一下这个功效，对付TFIDF模子，在现稀有据集(12000篇文章)的环境下，保举功效强相干，让人认为保举功效很靠谱，这也是TFIDF这种算法简朴有用的处所，他把文章中的要害词很好的提取出来了，以是保举的功效让人认为强相干，可是他也有本身的题目。
对付较量短的文章(好比微博这类的)，因为文本太短了，TFIDF较量难提取出重要的要害词可能提取得差池，导致保举功效不靠谱。
纯真以词频来声名这个词的重要性感受不全面，好比这篇文章，人类来看的话应该是文内情似性最重要，但有也许按TFIDF算出来是模子这个词最重要。
对付纯文本的保举体系来说，这种文内情关性的保举也许较量得当垂直类的网站，好比像SegmentFault这种，看某篇文章的人很也许但愿看到相同的文章，更深入的相识这个规模，这种算法较量靠谱，不外据我调查，SegmentFault是行使的标签保举，这种保举结果更好，但工钱身分更多点，要是写文章的时辰任意打标签就较量贫困了。再来看看LDA模子，LDA首要用在文本聚类上，并且他的基本是主题，假如把他作为保举体系的算法来行使，要看详细场景，他的保举功效在数据样本不太够的环境下，也许看上去不太靠谱(即便样本大也许也看上去不太好)，显得粒度很粗，但正由于很粗，以是较量得当做内容发明，好比我对数码消息感乐趣，这种感乐趣不只仅是只对iphone感乐趣，只要是数码这个主题的我都感乐趣，以是用LDA可以很好的给我保举数码这个主题下的对象，这比正在看iphone的文章，下面满是iphone的文章要靠谱多了。LDA呈现上一节的哪种badcase的时辰怎么办呢？由于根基不太也许改模子，那么只能从几个方面入手。
假如只是无意的一两个，可以选择忍了。
（编辑：湖南网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
