텍스트 탐색기의 SVD, Latent Semantic Analysis에서 Topic Loading 및 Topic Score를 해석하는 방법안녕하세요 커뮤니티,
텍스트 탐색기에서 SVD를 실행하면 주제 점수 및 주제 로드가 생성됩니다. 나는 이것이 문서 수준과 용어 수준에서 각각 Singular 벡터라는 것을 이해합니다. 그러나 특정 토픽 점수 또는 토픽 로딩 값을 실제로 어떻게 해석합니까? 음수와 양수가 모두 있습니다. 높은 양수는 높은 음수와 반대되는 것을 의미합니까? 예를 들어 term1이 Topic 1에서 높은 양수 값을 갖고 Topic 2에서 높은 음수 값을 갖는 경우입니다. 그것은 term1이 주제 1에서 높고 주제 2에서는 적다는 것을 의미합니까? 주제에 대한 문서 점수가 있을 때 해석이 비슷합니까?
Re: Latent Semantic Analysis의 Topic Loading 및 Topic Score 해석 방법, 텍스트 탐색기의 SVD시간을 내어 제 질문에 답변해 주신 Mark Bailey에게 감사드립니다. 나는 여전히 내 데이터의 결과를 검토하고 있습니다. 추가 데이터 해석 질문이 있으면 이 토론 아래에 게시하겠습니다.
Re: Latent Semantic Analysis의 Topic Loading 및 Topic Score 해석 방법, 텍스트 탐색기의 SVD점수는 원래 가중 DTM의 새로운 표현이며 부하는 원래 가중 DTM과 주제의 상관 관계입니다. 점수의 크기가 클수록 서로 다른 문서와 평균이 더 많이 다릅니다. 큰 음의 로딩 값은 상관관계가 높기 때문에 중요한 항을 나타냅니다.
텍스트 분석은 기호에 따라 "매력적인" 또는 "혐오스러운" 형용사가 포함된 용어를 자주 참조합니다.
