寻找用于NLP聚类/主题建模的好数据集
寻找用于NLP聚类和主题建模的好数据集可以有几个途径：
- Kaggle：Kaggle是一个数据科学竞赛平台，提供了许多数据集供研究和实践使用。你可以在Kaggle上搜索与NLP相关的数据集，并查看其他用户分享的数据集。
- UCI机器学习库：UCI机器学习库是一个公开的机器学习数据集资源，其中包含了各种类型的数据集，包括一些与NLP相关的数据集。你可以在UCI机器学习库的网站上浏览并下载这些数据集。
- 自然语言处理研究论文：阅读最新的自然语言处理研究论文，作者通常会在论文中提到他们使用的数据集。你可以通过查找相关论文并获取他们提到的数据集。
- 公共数据集：一些机构和组织提供了一些公共的NLP数据集，例如：GloVe、Word2Vec和FastText等预训练的词向量数据集，以及20 Newsgroups、Reuters-21578和IMDB等文本分类数据集。
相关·内容
1回答
我想到的是客户反馈数据集，这样的数据集可以很好地划分为集群/主题(不同类型的反馈)。我发现在我经常使用的kaggle上很难找到这样的数据集。任何人都可以推荐一个适合自然语言处理集群的数据集，比如Kmeans/hierarchical集群，或者像lDA这样的主题建模<
浏览 32提问于2021-10-01得票数 0
1回答
改进聚类结果
、、
我是个初学者，我试着对多句文字进行聚类，但是我的结果很糟糕。有什么建议可以让我提高成绩吗？for ind in ordem_centroides[i, :10]: print()
我有许多不同的主题出现在不同的集群中我预处理了我的数据(秒字，小写，我删除了点状.)。但我仍然有“喜欢取消订单”的一组，而“爱取消订单”在另一组。实
浏览 0提问于2018-07-27得票数 2
回答已采纳
1回答
我需要基于文档的意图对一组文档进行聚类，我计划使用LDA(潜在Dirichlet分配-主题建模)。我一直在尝试LDA算法进行主题<em
浏览 0提问于2019-08-20得票数 0
1回答
我试图对数百个文本文档进行聚类，以便每个集群代表一个不同的主题。我不使用主题建模(我知道我也可以这样做)，而是采用两步方法：我知道我可以在步骤2中使用k方法，但是我更喜欢软聚类算法，因为我的文档有时属于多个主题。所以我想得到每个响应属于每个集群的概率。我的嵌入有768维，在实现软<e
浏览 4提问于2020-09-08得票数 2
我有一个电子邮件主题的列表，比如Weekly review for <Company>我想找出它们的模式有什么我能用的算法吗？
浏览 0提问于2016-03-06得票数 1
有没有办法将生成的主题从LDA映射到文档列表，并确定它属于哪个主题？我感兴趣的是使用无监督学习对文档进行聚类，并将其划分到适当的聚类中。我在等你们好的</e
浏览 22提问于2019-11-23得票数 0
回答已采纳
1回答
避免NLP提取中的泄漏
、、、
应用传统NLP提取技术对ML模型进行预处理的最佳实践是什么？收集原始数据。我的直觉说你必须在第一步和第二步之间分割数据，例如，在你的训练集上只运行TF-国防军或NMF
浏览 0提问于2022-09-03得票数 1
回答已采纳
1回答
我在R中做一些基本的NLP工作，我有两个数据集，想用来自另一个单词的聚类值替换一个单词中的单词。第一个数据集包含句子，第二个数据集包含每个单词的聚类值(假设第一个数据集中的每个单词都有一个聚类值)：
original_text_df <- read.t
浏览 2提问于2015-03-12得票数 1
回答已采纳
2回答
假设我有一个图，它有像下面的图像这样的组件。
自制Kebab我知道，上面提到的这两个图组件是单独的集群。我的问题是如何将这两个图形组件聚在一起，因为它们可能都有相同的主题(烹饪、食物等)。我研究过或认为可以解决有一个名为BERTopi
浏览 0提问于2022-11-09得票数 1
1回答
聚类分析？标记群集
、、、
我对以下两个问题感到非常困惑:我有一个15维的数据集，它应该用于聚集数据集中包含了多少类型的攻击。
在监督分类中，我们有训练数据集和测试数据集，并利用训练数据集构建的分类器进行测试。我的
浏览 1提问于2013-12-02得票数 4
回答已采纳
1回答
用于主题建模的数据集
、、、
我希望尝试使用深入学习方法来进行主题建模，而不是传统的lda和word嵌入方法。但是，我很难为这个任务找到标记良好的数据集。到目前为止，我看到的最好的是纽约时报数据集，由于许可限制，我无法使用它。我也看到了20新闻数据集，但它只有20个类别，所以它可能不会很好地扩展到其他领域。
还有其他好的数据集可以用来进行<
浏览 0提问于2019-11-26得票数 1
潜Dirichlet分配(LDA)和分级Dirichlet过程(HDP)都是主题建模过程。主要的区别是LDA要求指定主题的数量，而HDP不需要。为什么会这样？这两种主题建模方法的区别、利弊是什么？
浏览 0提问于2014-05-18得票数 62
回答已采纳
1回答
我有一个为NLP分类器设计的多维向量。下面是数据帧(text_df)：我使用TfidfVectorizer来创建向量：plt.title("Clusters")plt.show()这对于基于NLP的集群来说是正常的</
浏览 14提问于2018-08-29得票数 0
1回答
我有一个非常嘈杂、相似的文档集合(大约1000)，每个文档都很长(>10页- 600段)，有多个子部分--我想在文档中进行主题建模，以发现关键的主题。以下方法是否明智，是否有任何可能有帮助的文件/来源？遍历每个文档只保留最长的段落(比如最上面的四分位数)嵌入每个段作为tf-以色列国防军矢量在整个语料库中，将这些段落作为新文档使用这样，最
浏览 0提问于2021-10-12得票数 1
5回答
我想知道你们是否有一些关于主题模型和LDA的好教程(快速和直截了当)，直观地教授如何设置一些参数，它们意味着什么，如果可能的话，还有一些实际的例子。
浏览 0提问于2015-01-08得票数 9
2回答
我有一个数据矩阵，如下所示。
user access matrix..each行代表用户，每一列代表该用户访问的页面类别。这种双聚类技术将首先生成用户集群，然后生成页面clusters.after，它将用户集群和页面集群结合起来生成双集群。现在，我不知道应该使用哪种集群技术来实现此目的。最好的聚类将从该矩阵生成一致的双色图。
浏览 2提问于2014-05-07得票数 0
我正在使用Stata对存在竞争风险时的累积关联函数进行建模。每个咒语都以一个事件(“失败”)的发生而结束，但受试者有可能在之后进入一个新的咒语。因此，这些咒语不是独立的，而是嵌套在主题中。标准的Stata命令stcrreg可以通过对聚集在主题级别的标准错误进行建模来处理这种结构。然而，我的数据集是巨大的(超过300万个观察值)，计算时间也是巨大的
浏览 0提问于2017-02-20得票数 1
我正在寻找一个具有“地面真实”标签的聚类数据集，用于一些已知的自然聚类，最好是高维的。
我在这里找到了一些很好的候选者()，但只有玻璃和虹膜数据集有这些点的标签。我还找到了一些生成高斯数据集(SynDECA)的代码。我想要这样做的主要原因是比较一些聚
浏览 1提问于2014-03-25得票数 7
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
