topkwords
词汇袋模型或LDA主题中最重要的词汇
描述
例子
词汇袋模型中最频繁的单词
创建单词袋模型中最频繁出现的单词的表。
加载示例数据。该文件sonnetsPreprocessed.txt包含莎士比亚十四行诗的预处理版本。该文件每行包含一首十四行诗，词之间用空格隔开。从中提取文本sonnetsPreprocessed.txt，以换行符将文本拆分为文档，然后对文档进行标记。
文件名=“sonnetsPreprocessed.txt”；str = extractFileText(文件名);textData = split(str，换行符);documents = tokenizedDocument(textData);
使用创建单词袋模型bagOfWords．
字(文件)
计数:[154x3092 double]词汇:[“最公平的”“生物”“欲望”…NumWords: 3092 NumDocuments: 154
找出排名前五的单词。
T = topkwords(袋子);
找出模型中排名前20的单词。
K = 20;T = topkwords(袋子，k)
T =20×2表单词计数________ _____“你的”281“你的”234“爱”162“你的”161”做“88”我的“63”将“59”眼睛“56”甜蜜“55”时间“53”美丽“52”也不是“52”艺术“51”但“51”o“50”心“50”
LDA主题的最高概率词
创建一个LDA主题概率最高的单词表。
要再现结果，请设置rng来“默认”．
rng (“默认”）
加载示例数据。该文件sonnetsPreprocessed.txt包含莎士比亚十四行诗的预处理版本。该文件每行包含一首十四行诗，词之间用空格隔开。从中提取文本sonnetsPreprocessed.txt，以换行符将文本拆分为文档，然后对文档进行标记。
文件名=“sonnetsPreprocessed.txt”；str = extractFileText(文件名);textData = split(str，换行符);documents = tokenizedDocument(textData);
使用创建单词袋模型bagOfWords．
bag = bagOfWords(文档);
拟合一个包含20个主题的LDA模型。若要抑制详细输出，请设置“详细”为0。
numTopics = 20;mdl = fitlda(bag,numTopics，“详细”, 0);
找出第一个话题的前20个单词。
K = 20;topicIdx = 1;tbl = topkwords(mdl,k,topicIdx)
台=20×2表单词得分________ _________“眼睛”0.11155“美”0.05777“有”0.055778“仍然”0.049801“真”0.043825“矿”0.033865“找到”0.031873“黑”0.025897“看”0.023905“是”0.023905“种”0.021913“看到”0.021913“发现”0.017929“罪”0.015937“三”0.013945“金”0.0099608
找出第一个主题的前20个单词，并对分数使用反均值缩放法。
tbl = topkwords(mdl,k,topicIdx，“缩放”，“inversemean”）
台=20×2表单词得分________ ________“眼睛”1.2718“美”0.59022“有”0.5692“仍然”0.50269“真”0.43719“矿”0.32764“找到”0.32544“黑”0.25931“tis”0.23755“看”0.22519“种”0.21594“看到”0.21594“发现”0.17326“罪”0.15223“三”0.13143“金”0.090698“
使用缩放分数作为大小数据创建一个词云。
图wordcloud (tbl.Word tbl.Score);
输入参数
输出参数
提示
要查找n-克包模型中最常出现的n-克，使用
topkngrams．
版本历史
在R2017b中引入
您也可以从以下列表中选择网站: