«предварительно построенные» матрицы для скрытого семантического анализа

Question

Я хочу использовать скрытый семантический анализ для небольшого приложения, которое я создаю, но я не хочу самостоятельно создавать матрицы. (Отчасти потому, что у документов, которые у меня были, не было бы очень хорошей учебной коллекции, потому что они бывают короткими и неоднородными, а отчасти потому, что я только что получил новый компьютер, и я нахожу его сукой для установки линейной алгебры и таких библиотеки, которые мне нужны.)

Существуют ли какие-либо «стандартные»/предустановленные варианты LSA? Например, вещи, я ищу, включают:

• По умолчанию U, S, V матрицы (то есть, если D представляет собой матрицу терм-документ из некоторого обучающего множества, то D = USV^T является сингулярным значением декомпозиция), так что, учитывая любой вектор запроса q, я могу использовать эти матрицы для вычисления проекции LSA q.
• Некоторые алгоритмы LSA с черным ящиком, которые, заданные вектором запроса q, возвращают проекцию LSA q.

Answer 1

Вас, возможно, интересует инфраструктура Gensim для Python; в частности, он имеет an example on building the appropriate matrices from English Wikipedia.