# LDA

**Repository Path**: Tian__wei/LDA

## Basic Information

- **Project Name**: LDA
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2021-05-11
- **Last Updated**: 2021-05-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LDA



#### 软件架构
软件架构说明




#### 使用说明

1. 对数据进行预处理，对于情感分类来说，停用词要合适选择
2. 在2LDA.py里面进行训练模型，然后得出主题和对于主题的关键词


尝试：
1. 用LDA+word2vec进行融合，首次尝试把积极和消极的主题词分别放在每个文件文件里面，然后在整合成一文件，然后用word2vec进行词向量的表示，然后加一层LSTM，加一层Dense，其中激活函数是sigmoid，然后用阀值进行结合处理，最后的试验结果不太好
2. 用LDA处理得到的主题，获取其权重，然后与word2vec里面的词向量进行加权求和，对关键词进行数据的增强，再试试