Question

• 数据源 ：新闻组是 Usenet 上的讨论组，它在网络真正起飞之前的 80 年代和 90 年代很流行。 该数据集包括 18,000 个新闻组帖子，带有 20 个主题。
• Chris Manning 的矩阵分解和 LSI 的书
• Sklearn 的 截断 SVD LSI 的细节

其它教程

• Scikit-Learn：文本文档的核外分类 ：使用 Reuters-21578 数据集（标有 ~100 个类别的路透社文章）， HashingVectorizer
• 使用人文和社会科学主题模型进行文本分析 ：使用 Jane Austen，Charlotte Bronte，Victor Hugo 等人的 英国和法国文学数据集