Skip to content

Latest commit

 

History

History

slda_novel

README.md

模型概述

主题模型(Topic Model)是以无监督学习的方式对文档的隐含语义结构进行聚类的统计模型，其中SLDA(Sentence-LDA)是主题模型的一种。SLDA是LDA主题模型的扩展，LDA假设每个单词对应一个主题，而SLDA假设每个句子对应一个主题。本Module基于的数据集为百度自建的小说领域数据集。


更多详情请参考SLDA论文。

注：该Module由第三方开发者DesmonDay贡献。

SLDA模型 API 说明

infer_doc_topic_distribution(document)

用于推理出文档的主题分布。

参数

  • document(str): 输入文档。

返回

  • results(list): 包含主题分布下各个主题ID和对应的概率分布。其中，list的基本元素为dict，dict的key为主题ID，value为各个主题ID对应的概率。

show_topic_keywords(topic_id, k=10)

用于展示出每个主题下对应的关键词，可配合推理主题分布的API使用。

参数

  • topic_id(int): 主题ID。
  • k(int): 需要知道对应主题的前k个关键词。

返回

  • results(dict): 返回对应文档的前k个关键词，以及各个关键词在文档中的出现概率。

代码示例

这里展示部分API的使用示例。

import paddlehub as hub

slda_novel = hub.Module(name="slda_novel")

topic_dist = slda_novel.infer_doc_topic_distribution("妈妈告诉女儿，今天爸爸过生日，放学后要早点回家一起庆祝")
# [{'topic id': 222, 'distribution': 0.5}, {'topic id': 362, 'distribution': 0.5}]

keywords = slda_novel.show_topic_keywords(topic_id=222)
# {'回来': 0.044502306717752,
#  '回去': 0.036457065533017245,
#  '回家': 0.029136327306669554,
#  '明天': 0.028762575780517493,
#  '休息': 0.022904260192395567,
#  '晚上': 0.021970839714261954,
#  '时间': 0.020756626422891028,
#  '好好': 0.019726413882856498,
#  '电话': 0.017195445214734463,
#  '吃饭': 0.01521839547511471}

查看代码

https://github.com/baidu/Familia

依赖

paddlepaddle >= 1.8.2

paddlehub >= 1.8.0

更新历史

  • 1.0.0

    初始发布