NMF
전처리는 토픽 모델링을 위한 전처리를 참조
SVD로 스크리 플롯
from sklearn.decomposition import TruncatedSVD
svd = TruncatedSVD(n_components=100, random_state=1234)
svd.fit(dtm)
스크리 플롯
import matplotlib.pyplot as plt
plt.plot(svd.explained_variance_)
NMF
from sklearn.decomposition import NMF
NUM_TOPICS = 14
nmf = NMF(n_components=NUM_TOPICS)
doc_emb = nmf.fit_transform(dtm)
단어 임베딩
word_emb = nmf.components_.T
words = cv.get_feature_names_out().tolist()
i = words.index('모발')
plt.plot(word_emb[i])
코사인 유사도
from sklearn.metrics.pairwise import cosine_similarity
sim = cosine_similarity(word_emb)
import numpy as np
s = np.argsort(sim[i])
related = s[-2:-12:-1]
for j in related:
print(words[j])
시각화
다차원 척도법
indices = []
target = ['모발', '손상', '두피', '모공',
'용기', '내용물']
for w in target:
i = words.index(w)
indices.append(i)
print(w, i)
dist = 1 - sim[indices, ][:, indices]
from sklearn.manifold import MDS
mds = MDS(dissimilarity='precomputed', random_state=1234)
pos = mds.fit_transform(dist)
plot에서 글자가 겹치지 않도록 조정해주는 adjustText
!pip install adjusttext
from adjustText import adjust_text
plt.plot(pos[:, 0], pos[:, 1], '.')
texts = [plt.text(pos[i, 0], pos[i, 1], w) for i, w in enumerate(target)]
adjust_text(texts)
토픽별 관련 단어 보기
for t in range(NUM_TOPICS):
print(t)
topic_words_idx = np.argsort(word_emb[:, t])
for j in topic_words_idx[-1:-11:-1]:
print(words[j])
문서별 토픽 보기
0번 문서
doc_id = 0
df.iloc[doc_id]
0번 문서 토픽 보기
plt.plot(doc_emb[doc_id])
0번 문서에서 가장 강한 토픽
topic_id = np.argmax(doc_emb[doc_id])
topic_id
해당 토픽의 문서 보기
topic_docs_idx = np.argsort(doc_emb[:,topic_id])[-1:-11:-1]
df.iloc[topic_docs_idx]
토픽 패턴이 가장 비슷한 문서 찾기
sims = cosine_similarity(doc_emb[[doc_id]], doc_emb).flatten()
sim_idx = np.argsort(sims)[-1:-11:-1]
df.iloc[sim_idx]
유사도 보기
sims[sim_idx]