ርዕስ ሞዴሊንግ

It turns a messy pile of text into a handful of interpretable topics, each described by the words that define it.

ምንም ምድብ የሌላቸው ሚሊዮን የዜና መጣጥፎችን እንደወረሳችሁ አስቡት። አርእስት ሞዴሊንግ በስታቲስቲክስ ያነባቸዋል እና የርእሶችን ስብስብ ያቀርባል፣ እያንዳንዱ ርዕስ በቃላት ላይ የመከፋፈል እድል ብቻ ነው። አንድ ርዕስ ለምርጫ፣ ድምጽ እና ሴኔት ከፍተኛ ክብደት ሊሰጥ ይችላል። ሌላ ወደ ግብ ፣ ግጥሚያ እና አጥቂ። በወሳኝ መልኩ፣ እያንዳንዱ ሰነድ እንደ አርእስት ድብልቅ ነው የሚወሰደው፣ ስለዚህ አንድ መጣጥፍ 70 በመቶ ፖለቲካ እና 30 በመቶ ኢኮኖሚክስ ሊሆን ይችላል። በ2003 በብሌይ፣ ንግ እና ዮርዳኖስ አስተዋወቀው በጣም ዝነኛው ዘዴ Latent Dirichlet Allocation (LDA) ሰነዶች የሚመነጩት በመጀመሪያ የርዕስ ድብልቅን በመምረጥ እና ከዛም ርእሶች በመሳል ነው። የተደበቀውን የርዕስ አወቃቀሩን ለመረዳት አልጎሪዝም ከተመለከቱት ቃላቶች ወደ ኋላ ይሠራል። ቁጥጥር የማይደረግበት ነው፣ስለዚህ የሥልጠና መለያዎች አያስፈልግም፣ነገር ግን ሰው እያንዳንዱን ርዕስ ለመሰየም ዋናዎቹን ቃላት ማንበብ አለበት።