Тема моделирования с использованием молотка

Question

Я пытаюсь использовать тему моделирования с молотком, но есть вопрос.

Как мне знать, когда мне нужно восстановить модель? Например, у меня есть этот объем документов, которые я пополз из сети, используя тему моделирования, предоставляемую Mallet, я мог бы создать модели и вывести с ним документы. Но сверхурочные, с новыми данными, которые я пополз, могут появиться новые предметы. В этом случае, как я узнаю, должен ли я восстановить модель от начала до тока?

Я думал о том, чтобы сделать это для документов, которые я пополз каждый месяц. Может кто-нибудь, пожалуйста, посоветуете?

Итак, это тема моделирования более подходящего для текста под фиксированным количеством тем (входной параметр K, NO. Темы). Если нет, как мне действительно определить, какой номер использовать?

Answer 1

Ответы на ваши вопросы зависят от большой части на виду данных, с которыми вы работаете, а размер корпуса.

Что касается частоты, я боюсь, что вам просто нужно будет оценить, как часто ваши данные изменяются значимым образом и реконструируют при этом. Вы можете начать с недели и посмотреть, приведут ли новые данные к значительно разной модели. Если нет, попробуйте две недели и так далее.

Количество тем, которые вы выбираете, определяется тем, что вы ищете в модели. Чем выше число, тем более мелкозернистые результаты. Если вы хотите широкий обзор того, что в вашем корпусе, вы можете выбрать, скажем, 10 тем. Чтобы приблизительно взглянуть, вы можете использовать 200 или некоторые другие соответствующим образом высоким числом.

Надеюсь, это поможет.