Скрытое распределение Дирихле, ловушки, подсказки и программы
Вот код:
using System;
using System.Windows.Forms;
using System.Runtime.InteropServices;
namespace Test
{
public class Test
{
private const int APPCOMMAND_VOLUME_MUTE = 0x80000;
private const int APPCOMMAND_VOLUME_UP = 0xA0000;
private const int APPCOMMAND_VOLUME_DOWN = 0x90000;
private const int WM_APPCOMMAND = 0x319;
[DllImport("user32.dll")]
public static extern IntPtr SendMessageW(IntPtr hWnd, int Msg,
IntPtr wParam, IntPtr lParam);
private void Mute()
{
SendMessageW(this.Handle, WM_APPCOMMAND, this.Handle,
(IntPtr)APPCOMMAND_VOLUME_MUTE);
}
private void VolDown()
{
SendMessageW(this.Handle, WM_APPCOMMAND, this.Handle,
(IntPtr)APPCOMMAND_VOLUME_DOWN);
}
private void VolUp()
{
SendMessageW(this.Handle, WM_APPCOMMAND, this.Handle,
(IntPtr)APPCOMMAND_VOLUME_UP);
}
}
}
Найден на dotnetcurry
При использовании WPF вам нужно использовать new WindowInteropHelper(this).Handle вместо this.Handle (спасибо Alex Beals)
3 ответа
Для этого вида анализа я использовал LingPipe: http://alias-i.com/lingpipe/index.html . Это - библиотека Java с открытым исходным кодом, части которой я использую непосредственно или порт. Для слияния собственных данных можно использовать классификатор, такой как наивный байесов, в соединении. мой опыт со статистическим nlp ограничен, но он обычно следует за циклом установки классификаторов, обучения, и просмотра результатов, тонкой настройки.
В дополнение к обычный источники , кажется, что самая активная область, говорящая об этом, находится на эти модели тем listserv . Из моего первоначального обзора самый легкий пакет для понимания LDA Matlab пакет .
Это не легкий материал вообще, таким образом, я не удивлен, что трудно найти хорошие ресурсы на нем.
http://mallet.cs.umass.edu/ - ИМХО, самый крутой LDA-пакет plug-n-play. Он использует выборку Гиббса для оценки тем и имеет действительно простой интерфейс командной строки. с множеством дополнительных наворотов (несколько более сложных моделей, оптимизация гиперпараметров и т. д.)
Лучше всего позволить алгоритму делать свою работу. Могут быть варианты LDA (и pLSI, и т. Д.), Которые позволяют вам делать что-то вроде полу-контролируемого ... На данный момент я не знаю ни одного.
Я обнаружил, что удаление стоп-слов и других действительно часто встречающихся слов, похоже, значительно улучшило качество моих тем (оценивалось по основным словам каждой темы, а не по какой-либо строгой метрике) .. Я предполагаю, что стемминг / лемматизация тоже поможет.