当前位置: 首页>>代码示例>>Python>>正文


Python LatentDirichletAllocation.append方法代码示例

本文整理汇总了Python中sklearn.decomposition.LatentDirichletAllocation.append方法的典型用法代码示例。如果您正苦于以下问题:Python LatentDirichletAllocation.append方法的具体用法?Python LatentDirichletAllocation.append怎么用?Python LatentDirichletAllocation.append使用的例子?那么, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在sklearn.decomposition.LatentDirichletAllocation的用法示例。


在下文中一共展示了LatentDirichletAllocation.append方法的1个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: compute_lda

# 需要导入模块: from sklearn.decomposition import LatentDirichletAllocation [as 别名]
# 或者: from sklearn.decomposition.LatentDirichletAllocation import append [as 别名]
def compute_lda(question1, question2):
    seed = 1024
    lda = LatentDirichletAllocation(n_topics=10, doc_topic_prior=None,
                                    topic_word_prior=None, learning_method='batch',
                                    learning_decay=0.7, learning_offset=10.0, max_iter=10,
                                    batch_size=128, evaluate_every=-1, total_samples=1000000.0,
                                    perp_tol=0.1, mean_change_tol=0.001, max_doc_update_iter=100,
                                    n_jobs=1, verbose=0, random_state=seed)
    bow = CountVectorizer(ngram_range=(1, 1), max_df=0.95, min_df=3, stop_words='english')
    vect_orig = make_pipeline(bow, lda)

    corpus = question1 + question2

    vect_orig.fit(corpus)

    lda = []
    for q1, q2 in zip(question1, question2):
        q1_lda = vect_orig.transform([q1])
        q2_lda = vect_orig.transform([q2])
        sim = cosine_similarity(q1_lda, q2_lda)
        lda.append([sim[0][0]])
    print("Created LDA feature feature")
    return np.array(lda)
开发者ID:andra-pumnea,项目名称:Thesis,代码行数:25,代码来源:feature_module.py


注:本文中的sklearn.decomposition.LatentDirichletAllocation.append方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。