이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
LSA, LDA단어임베딩같은머신러닝기법과모델을사용하여고차원텍스트데이터셋에서군집을찾고특징을추출할수있습니다。文本分析工具箱™에서생성한특징은다른데이터소스의특징과결합할수있습니다。결합된특징을사용하여텍스트,숫자등다양한유형의데이터를활용하는머신러닝모델을빌드할수있습니다。
이예제에서는분석할텍스트데이터를정리하고전처리하는함수를만드는방법을보여줍니다。
이예제에서는bag-of-words모델을사용하여단어빈도수로간단한텍스트분류기를훈련시키는방법을보여줍니다。
이예제에서는语法빈도수를사용하여텍스트를분석하는방법을보여줍니다。
이예제에서는LDA(잠재디리클레할당)토픽모델을사용하여텍스트데이터를분석하는방법을보여줍니다。
이예제에서는LDA(잠재디리클레할당)모델에적합한토픽수를결정하는방법을보여줍니다。
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。
이예제에서는维达(价知道字典和情绪)中寻欢알고리즘을사용하여감성분석을수행하는방법을보여줍니다。
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。
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。
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。
这个例子展示了如何使用TextRank从文本数据中提取关键字。
이예제에서는딥러닝장단기기억(LSTM)신경망을사용하여텍스트데이터를분류하는방법을보여줍니다。
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。
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。
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。
이예제에서는문자임베딩을사용하여텍스트를생성하도록딥러닝LSTM신경망을훈련시키는방법을보여줍니다。
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。
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。
这个例子展示了如何使用自动编码器生成文本数据。
这个例子展示了如何定义一个文本编码器模型函数。
이예제에서는텍스트디코더모델함수를정의하는방법을보여줍니다。
다른언어에서文本分析工具箱기능을사용하는방법에대한정보。
关于文本分析工具箱中的日语支持的信息。金宝app
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。
关于文本分析工具箱中的德语支持的信息。金宝app
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。