Cours sur le topic modeling - UPEM - Master Méthode computationnelle et analyse de contenu

• Nature et applications
• Approche Deterministe: LSA
• Approche Probabiliste: LDA
• Quelques librairies en R et python

• Parametres
• Métriques: exclusivité et cohérence sémantique
• Appliqué a un corpus propre

• Le corpus: résumés d'articles tech, IEEE et Arstechnica
• Le package STM en R
• Comment determiner le nombre optimal de topics?
• Comment interpreter les résultats?
• Jupyter Notebook et Script R

• 500.000 commentaires provenant du forum alt-right God Trump Emperor
• De la nécessité de travailler le contenu
• Filtrer le bruit avec
  • Lemmatization, tokenization
  • Part of Speech tagging
  • Named entity recognition
• Jupyter Notebook et Script R

• Quelles sont les librairies pour:
  • Part of Speech
  • Tokenization
  • Lemmatization

• Articles et blogs