Introduction to Topic Modelling in R

от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Load textual data into R, and pre-process it

Convert textual data into a document feature matrix Run an LDA topic model on your data

Clock1
BeginnerНачинающий
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

By the end of this project, you will know how to load and pre-process a data set of text documents by converting the data set into a document feature matrix and reducing it’s dimensionality. You will also know how to run an unsupervised machine learning LDA topic model (Latent Dirichlet Allocation). You will know how to plot the change in topics over time as well as explore the distribution of topic probability in each document.

Навыки, которые вы получите

  • sampling
  • Topic Modelling
  • Unsupervised Learning
  • Data Visualization (DataViz)
  • Text Corpus

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Load textual data into R, and pre-process it to prepare it for topic modelling

  2. Convert textual data into a document feature matrix and reduce its dimensionality before applying the model.

  3. Run an LDA topic model on your data and explore the topics identified by the model as well as the most frequently used words associated with each topic.

  4. Plot the change in topics over time in your data as well as to explore the distribution of topic probabilities in each of your textual documents.

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.