“预建”潜在语义分析矩阵
我想对我正在构建的小型应用程序使用潜在语义分析，但我不想自己构建矩阵。 （部分是因为我拥有的文档不会成为一个很好的培训集合，因为它们有点短且异构，部分是因为我刚买了一台新计算机，我发现安装线性代数之类的东西很麻烦我需要的库。）
是否有任何“默认”/预构建的 LSA 实现可用？例如，我正在寻找的内容包括：
- 默认 U,S,V 矩阵（即，如果 D 是某个训练集中的术语文档矩阵，则 D = USV^T 是奇异值分解），因此给定任何查询向量 q，我都可以使用这些矩阵来计算 q 的 LSA 投影。
- 一些黑盒 LSA 算法，给定查询向量 q，返回 q 的 LSA 投影。
I want to use Latent Semantic Analysis for a small app I'm building, but I don't want to build up the matrices myself. (Partly because the documents I have wouldn't make a very good training collection, because they're kinda short and heterogeneous, and partly because I just got a new computer and I'm finding it a bitch to install the linear algebra and such libraries I would need.)
Are there any "default"/pre-built LSA implementations available? For example, things I'm looking for include:
- Default U,S,V matrices (i.e., if D is a term-document matrix from some training set, then D = U S V^T is the singular value decomposition), so that given any query vector q, I can use these matrices to compute the LSA projection of q myself.
- Some black-box LSA algorithm that, given a query vector q, returns the LSA projection of q.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
您可能对 Python 的 Gensim 框架感兴趣；值得注意的是，它有来自英语维基百科的构建适当矩阵的示例。
You'd probably be interested in the Gensim framework for Python; notably, it has an example on building the appropriate matrices from English Wikipedia.