Unsupervised Learning은 라벨링 응답없이 데이터를 분석하는 기계 학습 유형입니다. 라벨이 사용할 수 없거나 비용을 많이 얻을 수 없다는 텍스트 데이터에 특히 유용합니다. 이 기사는 텍스트 데이터를 처리하는 데 탁월한 학습의 일반적인 기술 및 실용적인 응용 프로그램을 탐구합니다.

Unsupervised Text Learning의 기술

몇몇 기술은 감독 없이 텍스트 자료에서 의미 있는 정보를 추출하기 위하여 이용됩니다. 클러스터링 그룹 유사한 문서 또는 낱말은, 차원 감소가 높은 차원 자료를 관리할 수 있는 모양으로 간단하게 합니다. 주제 모델링은 큰 원본 corpora 내의 주제를 부정적으로 식별합니다.

일반 기술

  • K-Means 클러스터링:기능 유사성을 기반으로 클러스터에 텍스트 데이터를 파티션한다.
  • Latent Dirichlet Allocation (LDA): 문서 전체에 워드 배포를 모델링하여 주제를 발견한다.
  • Principal Component Analysis (PCA): 시각화 및 분석에 대한 기능 공간 치수를 감소.
  • 워드 엠베드딩: 세만관계를 포착하기 위해 연속 벡터 공간에서 단어를 나타냅니다.

신청 예

여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 를 진심으로 환영합니다. 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 진심으로 감사드립니다. 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 여러분의 진심으로 감사드립니다.