분류및모델링

단순전처리함수만들기

이예제에서는분석할텍스트데이터를정리하고전처리하는함수를만드는방법을보여줍니다。

분류를위한간단한텍스트모델만들기

이예제에서는bag-of-words모델을사용하여단어빈도수로간단한텍스트분류기를훈련시키는방법을보여줍니다。

다단어구문을사용하여텍스트데이터분석하기

이예제에서는语法빈도수를사용하여텍스트를분석하는방법을보여줍니다。

토픽모델을사용하여텍스트데이터분석하기

이예제에서는LDA(잠재디리클레할당)토픽모델을사용하여텍스트데이터를분석하는방법을보여줍니다。

LDA모델의토픽수선택하기

이예제에서는LDA(잠재디리클레할당)모델에적합한토픽수를결정하는방법을보여줍니다。

比较LDA解决者

这个例子展示了如何通过比较模型的拟合优度和拟合时间来比较潜在的Dirichlet分配(LDA)求解器。

감성분석및키워드추출

텍스트에내포된감성분석하기

이예제에서는维达(价知道字典和情绪)中寻欢알고리즘을사용하여감성분석을수행하는방법을보여줍니다。

生成领域特定情感词典

这个例子展示了如何使用10-K和10-Q财务报告生成情感分析的词典。

训练情感分类器

这个例子展示了如何使用带注释的正面和负面情感词列表和预先训练的词嵌入来训练情感分析分类器。

利用RAKE从文本数据中提取关键字

这个例子展示了如何使用快速自动关键字提取(RAKE)从文本数据中提取关键字。

使用TextRank从文本数据中提取关键词

这个例子展示了如何使用TextRank从文本数据中提取关键字。

딥러닝

딥러닝을사용하여텍스트데이터분류하기

이예제에서는딥러닝장단기기억(LSTM)신경망을사용하여텍스트데이터를분류하는방법을보여줍니다。

基于卷积神经网络的文本数据分类

这个例子展示了如何使用卷积神经网络对文本数据进行分类。

使用深度学习对内存不足的文本数据进行分类

这个例子展示了如何用深度学习网络使用转换后的数据存储对内存不足的文本数据进行分类。

使用注意的顺序翻译

这个示例演示了如何使用循环序列到序列编码器-解码器模型将十进制字符串转换为罗马数字。

딥러닝을사용하여텍스트생성하기(深度学习工具箱)

이예제에서는텍스트를생성하도록딥러닝장단기기억(LSTM)신경망을훈련시키는방법을보여줍니다。

오만과편견그리고MATLAB

이예제에서는문자임베딩을사용하여텍스트를생성하도록딥러닝LSTM신경망을훈련시키는방법을보여줍니다。

使用深度学习逐字生成文本

这个例子展示了如何训练一个深度学习LSTM网络来逐字生成文本。

使用自定义训练循环对文本数据进行分类

这个例子展示了如何使用带有自定义训练循环的深度学习双向长短期记忆(BiLSTM)网络对文本数据进行分类。

使用自动编码器生成文本

这个例子展示了如何使用自动编码器生成文本数据。

定义文本编码器模型函数

这个例子展示了如何定义一个文本编码器模型函数。

텍스트디코더모델함수정의하기

이예제에서는텍스트디코더모델함수를정의하는방법을보여줍니다。

언어지원

언어고려사항

다른언어에서文本分析工具箱기능을사용하는방법에대한정보。

日本语言支持金宝app

关于文本分析工具箱中的日语支持的信息。金宝app

分析日语文本数据

这个示例展示了如何使用主题模型导入、准备和分析日语文本数据。

德国语言支持金宝app

关于文本分析工具箱中的德语支持的信息。金宝app

分析德语文本数据

这个示例展示了如何使用主题模型导入、准备和分析德语文本数据。