Introduction to Topic Modelling in R

제공자:
Coursera Project Network
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Load textual data into R, and pre-process it

Convert textual data into a document feature matrix Run an LDA topic model on your data

Clock1
Beginner초급
Cloud다운로드 필요 없음
Video분할 화면 동영상
Comment Dots영어
Laptop데스크톱 전용

By the end of this project, you will know how to load and pre-process a data set of text documents by converting the data set into a document feature matrix and reducing it’s dimensionality. You will also know how to run an unsupervised machine learning LDA topic model (Latent Dirichlet Allocation). You will know how to plot the change in topics over time as well as explore the distribution of topic probability in each document.

개발할 기술

  • sampling
  • Topic Modelling
  • Unsupervised Learning
  • Data Visualization (DataViz)
  • Text Corpus

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. Load textual data into R, and pre-process it to prepare it for topic modelling

  2. Convert textual data into a document feature matrix and reduce its dimensionality before applying the model.

  3. Run an LDA topic model on your data and explore the topics identified by the model as well as the most frequently used words associated with each topic.

  4. Plot the change in topics over time in your data as well as to explore the distribution of topic probabilities in each of your textual documents.

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

자주 묻는 질문

자주 묻는 질문

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.