嗨，上周Facebook宣布了Fasttext，这是一种将单词分类到存储桶中的方法。潜在Dirichlet分配也是进行主题建模的另一种方法。我的问题是，是否有人在这两个方面对赞成和反对进行了任何比较？
我还没有尝试过Fasttext，但是根据我的经验，LDA的优缺点不多
专业版
迭代模型，支持Apache Spark
接收文档语料库并进行主题建模。
不仅找出文档在谈论什么，而且找出相关文档
Apache Spark社区不断为此做出贡献。之前他们使它现在可以在ml库的mllib上运行
骗局
停用词需要正确定义。它们必须与文档的上下文相关。例如：“文档”是一个出现频率很高的单词，可能在推荐主题的图表中位居首位，但可能不相关，因此我们需要为此更新停用词
有时分类可能无关紧要。在下面的示例中，很难推断出该存储桶在说什么
话题：
术语：学科
术语：学科
期限：笔记稳定
期限：获奖
术语：通路
术语：章可关闭
术语：元程序
术语：突破
术语：区别
术语：救援
如果有人在Fasttext中进行过研究，您可以更新您的学习内容吗？
最佳答案
fastText提供的不仅仅是主题建模，它还是使用浅层神经网络生成单词嵌入和文本分类的工具。
作者指出，其性能可与更为复杂的“深度学习”算法相媲美，但训练时间却大大减少。
优点：
=>训练自己的fastText模型非常容易，$ ./fasttext skipgram -input data.txt -output model
只需提供您的输入和输出文件，要使用的体系结构，仅此而已，但是如果您希望稍微自定义模型，fastText也提供了更改超参数的选项。
=>在生成单词向量时，fastText考虑了称为字符n-gram的单词的子部分，因此，即使它们碰巧出现在不同的上下文中，相似的单词也具有相似的向量。例如，“监督”，“监督”和“监督”都被分配了相似的向量。
=>先前训练的模型可以用于计算词汇外单词的单词向量。这个是我的最爱。即使您的语料库的词汇量有限，您也可以为世界上几乎所有存在的单词获得一个向量。
=> fastText还提供了为段落或句子生成向量的选项。通过比较文档向量可以找到相似的文档。
=>还包括用于预测一段文本可能的标签的选项。
=>官方回购中提供了经过Wikipedia训练的约90种语言的预训练词向量。
缺点：
=>由于fastText是基于命令行的，因此在将其合并到项目中时我很费力，但这对其他人来说可能不是问题。
=>没有内置方法可以找到相似的单词或段落。
对于那些希望阅读更多内容的人，这里是官方研究论文的链接：
1）https://arxiv.org/pdf/1607.04606.pdf
2）https://arxiv.org/pdf/1607.01759.pdf
并链接到官方仓库：
https://github.com/facebookresearch/fastText