Найти кластеры и извлечение показывает от высоко-размерных текстовых наборов данных, можно использовать методы машинного обучения и модели, такие как LSA, LDA и вложения слова. Можно сочетать функции, созданные с Text Analytics Toolbox™ с функциями от других источников данных. С этими функциями можно создать модели машинного обучения, которые используют в своих интересах текстовые, числовые, и другие типы данных.
Создайте простую текстовую модель для классификации
В этом примере показано, как обучить простой текстовый классификатор на количествах частотности слова с помощью модели сумки слов.
Классифицируйте текстовые данные Используя глубокое обучение
В этом примере показано, как классифицировать текстовые описания прогнозов погоды с помощью сети долгой краткосрочной памяти (LSTM) глубокого обучения.
Классифицируйте текстовые данные Используя сверточную нейронную сеть
В этом примере показано, как классифицировать текстовые данные с помощью сверточной нейронной сети.
Классифицируйте текстовые данные из памяти Используя глубокое обучение
В этом примере показано, как классифицировать текстовые данные из памяти с нейронной сетью для глубокого обучения с помощью преобразованного datastore.
Анализируйте текстовые данные Используя фразы многословные
В этом примере показано, как анализировать текст с помощью подсчета частот n-граммы.
Анализируйте текстовые данные Используя модели темы
В этом примере показано, как использовать модель темы Скрытого выделения Дирихле (LDA), чтобы анализировать текстовые данные.
Выберите Number of Topics for LDA Model
В этом примере показано, как выбрать подходящее количество тем для модели скрытого выделения Дирихле (LDA).
В этом примере показано, как сравнить решатели скрытого выделения Дирихле (LDA) путем сравнения качества подгонки и время, потраченное, чтобы подбирать модель.
В этом примере показано, как использовать Валентность Осведомленный Словарь и чувство Reasoner (VADER) алгоритм для анализа мнений.
В этом примере показано, как обучить классификатор анализу мнений с помощью аннотируемого списка положительных и отрицательных слов чувства и предварительно обученного встраивания слова.
Перевод от последовательности к последовательности Используя внимание
В этом примере показано, как преобразовать десятичные строки в Римские цифры с помощью модели декодера энкодера повторяющейся последовательности к последовательности с вниманием.
Сгенерируйте текст Используя глубокое обучение (Deep Learning Toolbox)
В этом примере показано, как обучить сеть долгой краткосрочной памяти (LSTM) глубокого обучения генерировать текст.
Гордитесь и нанесите ущерб и MATLAB
В этом примере показано, как обучить сеть LSTM глубокого обучения, чтобы сгенерировать текст с помощью символьных вложений.
Пословно текстовая генерация Используя глубокое обучение
В этом примере показано, как обучить сеть LSTM глубокого обучения, чтобы сгенерировать текст пословно.
Информация об использовании функций Text Analytics Toolbox для других языков.
Информация о японской поддержке в Text Analytics Toolbox.
Анализируйте японские текстовые данные
В этом примере показано, как импортировать, подготовьтесь и анализируйте японские текстовые данные с помощью модели темы.
Информация о немецкой поддержке в Text Analytics Toolbox.
Анализируйте немецкие текстовые данные
В этом примере показано, как импортировать, подготовьтесь и анализируйте немецкие текстовые данные с помощью модели темы.