如何解释潜在语义分析中的主题加载和主题分数，文本资源管理器中的 SVD嗨社区，
当您在 Text Explorer 上运行 SVD 时，它会生成主题分数和主题加载。 我知道这些分别是文档级别和术语级别的奇异向量。 但是您实际上如何解释特定主题分数或主题加载的值。 有负数也有正数。 高正数是否意味着与高负数相反的东西。 例如，如果 term1 在主题 1 中具有高正值而在主题 2 中具有高负值。 这是否意味着 term1 在主题 1 上高而在主题 2 上低。 当我们有针对主题的文档分数时，解释是否相似？
回复：如何解释潜在语义分析中的主题加载和主题得分，文本资源管理器中的 SVD非常感谢 Mark Bailey 抽出时间回答我的问题。 我仍在审查我的数据结果。 如果我有进一步的数据解释问题，我会在这个讨论下发帖。
回复：如何解释潜在语义分析中的主题加载和主题得分，文本资源管理器中的 SVD分数是原始加权 DTM 的新表示，负载是主题与原始加权 DTM 的相关性。 分数的大小越大，文档之间的差异和平均值就越多。 一个大的负负载值显示一个重要的术语，因为它是高度相关的。
文本分析通常指的是基于符号的形容词“有吸引力”或“令人厌恶”的术语。
