有没有熟悉 NLP、话题提取的老司机,请给几个关键字提示 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
c3538378
V2EX    自然语言处理

有没有熟悉 NLP、话题提取的老司机,请给几个关键字提示

  •  
  •   c3538378 2016-01-29 21:39:12 +08:00 6073 次点击
    这是一个创建于 3605 天前的主题,其中的信息可能已有所发展或是发生改变。

    要实现这样一个识别功能:

    一篇关于黄晓明和 AB 结婚的文章,全文并无出现「明星」两个字,
    但要提取出话题:明星结婚

    一篇关于历史上某个人物的文章,全文也没有出现中国、古代史这样的字眼,
    但需要提取出话题:中国古代史

    感觉有点像 Naive Bayes Classifier ,但好像又不是?
    哪个老司机丢几个关键字我去搜索一下?

    7 条回复    2016-01-30 08:58:02 +08:00
    billlee
        1
    billlee  
       2016-01-29 21:46:15 +08:00
    Collaborative filtering?
    c3538378
        2
    c3538378  
    OP
       2016-01-29 21:50:08 +08:00
    @billlee 这不能算是协同过滤吧
    iyuyue
        3
    iyuyue  
       2016-01-29 22:04:55 +08:00   1
    analogical reasoning task

    我觉得这些 topics 还是需要事先分好的吧

    附上一个上课的 ppt , http://www.inf.ed.ac.uk/teaching/courses/nlu/lectures/nlu_l03-lda-2x2.pdf
    c3538378
        4
    c3538378  
    OP
       2016-01-29 22:34:46 +08:00
    @iyuyue 感谢

    topics 是预先分好的,但是数量会比较多。
    另外找到个: Latent dirichlet allocation 好像也是用来解决这类问题的?
    iyuyue
        5
    iyuyue  
       2016-01-29 22:48:25 +08:00
    LDA 是一个具体的模型。 NLP 很多地方都有用的。
    xuwenhao
        6
    xuwenhao  
       2016-01-30 01:28:01 +08:00
    Topic Model
    ljdawn
      &nsp; 7
    ljdawn  
       2016-01-30 08:58:02 +08:00
    LDA 吧
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2514 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 24ms UTC 15:06 PVG 23:06 LAX 07:06 JFK 10:06
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86