Week 4 (Text Mining)

Guiding Questions
Develop your answers to the following guiding questions while watching the video lectures throughout the week.

  1. What is clustering? What are some applications of clustering in text mining and analysis?
  2. How can we use a mixture model to do document clustering? 1. How many parameters are there in such a model?
  3. How is the mixture model for document clustering related to a topic model such as PLSA? In what way are they similar? Where are they different?
  4. How do we determine the cluster for each document after estimating all the parameters of a mixture model?
  5. How does hierarchical agglomerative clustering work? How do single-link, complete-link, and average-link work for computing group similarity? Which of these three ways of computing group similarity is least sensitive to outliers in the data?
  6. How do we evaluate clustering results?
  7. What is text categorization? What are some applications of text categorization?
  8. What does the training data for categorization look like?
  9. How does the Na?ve Bayes classifier work?
  10. Why do we often use logarithm in the scoring function for Na?ve Bayes?

4.1 Text Clustering: Motivation

image.png
image.png
image.png

4.2 Text Clustering: Generative Probabilistic Models Part 1

image.png
image.png

每篇文章只有一個主題犀概,才可以做 Cluster

image.png
image.png
image.png
image.png
image.png
  1. 對于文章中的每個詞: Cluster Model 選擇文檔只選擇一次雾家;Topic Model 每個詞都選擇一次
  2. Cluster Model: Word Distribution 產(chǎn)生文章中的每一個詞水评;Topic Model 不一定Word Distribution 就能產(chǎn)生所有文章中的詞凄吏,可以在別的 Topic 中產(chǎn)生
image.png

L:#文章中的單詞數(shù)

4.3 Text Clustering: Generative Probabilistic Models Part 2

image.png

如何從2個 Cluster拓展到 N 個 Cluster

image.png
image.png
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末躏救,一起剝皮案震驚了整個濱河市椎麦,隨后出現(xiàn)的幾起案子纱耻,更是在濱河造成了極大的恐慌,老刑警劉巖暖璧,帶你破解...
    沈念sama閱讀 222,183評論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異君旦,居然都是意外死亡澎办,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,850評論 3 399
  • 文/潘曉璐 我一進店門金砍,熙熙樓的掌柜王于貴愁眉苦臉地迎上來局蚀,“玉大人,你說我怎么就攤上這事捞魁≈粱幔” “怎么了?”我有些...
    開封第一講書人閱讀 168,766評論 0 361
  • 文/不壞的土叔 我叫張陵谱俭,是天一觀的道長奉件。 經(jīng)常有香客問我,道長昆著,這世上最難降的妖魔是什么县貌? 我笑而不...
    開封第一講書人閱讀 59,854評論 1 299
  • 正文 為了忘掉前任,我火速辦了婚禮凑懂,結(jié)果婚禮上煤痕,老公的妹妹穿的比我還像新娘。我一直安慰自己接谨,他們只是感情好摆碉,可當(dāng)我...
    茶點故事閱讀 68,871評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著脓豪,像睡著了一般巷帝。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上扫夜,一...
    開封第一講書人閱讀 52,457評論 1 311
  • 那天楞泼,我揣著相機與錄音,去河邊找鬼笤闯。 笑死堕阔,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的颗味。 我是一名探鬼主播超陆,決...
    沈念sama閱讀 40,999評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼脱衙!你這毒婦竟也來了侥猬?” 一聲冷哼從身側(cè)響起例驹,我...
    開封第一講書人閱讀 39,914評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎退唠,沒想到半個月后鹃锈,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,465評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡瞧预,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,543評論 3 342
  • 正文 我和宋清朗相戀三年屎债,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片垢油。...
    茶點故事閱讀 40,675評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡盆驹,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出滩愁,到底是詐尸還是另有隱情躯喇,我是刑警寧澤,帶...
    沈念sama閱讀 36,354評論 5 351
  • 正文 年R本政府宣布硝枉,位于F島的核電站廉丽,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏妻味。R本人自食惡果不足惜正压,卻給世界環(huán)境...
    茶點故事閱讀 42,029評論 3 335
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望责球。 院中可真熱鬧焦履,春花似錦、人聲如沸雏逾。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,514評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽栖博。三九已至价脾,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間笛匙,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,616評論 1 274
  • 我被黑心中介騙來泰國打工犀变, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留妹孙,地道東北人。 一個月前我還...
    沈念sama閱讀 49,091評論 3 378
  • 正文 我出身青樓获枝,卻偏偏與公主長得像蠢正,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子省店,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,685評論 2 360

推薦閱讀更多精彩內(nèi)容