詞向量可以做主題模型嗎？

1樓：pp蝦

樓上大神基本點明思路，說一下自己理解，詞向量一種對詞的表示方法，可以在這基礎上幹好多事。要想得到段落主題，還是得需要考慮到用哪些「標籤」詞語來反映文章段落的主題吧，如何得到這些標籤詞語。分類和主題的區別是不是可以理解成乙個有監督乙個非監督？

2樓：瞎bb隊長

謝～邀～，首先詞向量是對詞語的表達，並沒有實際的意義（你無法通過乙個詞向量去知道這是個什麼詞），然後知道文章是什麼主題，是個分類問題，有了詞向量，你還需要乙個分類器。

3樓：

瀉藥，當年實習的時候跟你想過同樣的問題。

我當時要做文字聚類，也就是把文章轉化成向量的形式，再聚一下，樓上大神gensim的doc2vec當時一直用不明白，可能水平比較渣，搜了下說效果一般般就沒繼續用了。

我的思路是把文件轉化成詞袋模型，每個位置的值是tf-idf值，此時會維度災難因為詞太多了，這時候你再做個pca降維並保持95%的主成分，單純做聚類的話效果肯定是美滋滋。不目測肯定搞不過深度學習，因為文件中很多詞的位置關係沒有得到記錄。

如果你想知道詞向量能不能搞文件向量，我個人感覺不行，因為你同樣沒用到詞和詞之間的位置關係。