#99 · 主分类： 自然语言处理与文本处理
OCTIS
bayesian-optimization
evaluation-metrics
hyperparameter-optimization
hyperparameter-search
hyperparameter-tuning
latent-dirichlet-allocation
latent-semantic-analysis
natural-language-processing
neural-topic-models
nlp
nlp-library
nlproc
non-negative-matrix-factorization
topic-modeling
topic-models
OCTIS：比较主题模型如此简单！一个用于优化和评估主题模型的Python包（EACL2021演示轨道收录）
项目最后更新：06/21/26
GitHub Stars
804
Forks数量
116
贡献者数量
20
许可证
MIT
收录理由
在Python里做主题建模，通常得把分词、训练、评估等环节分别拼装不同库，流程琐碎且容易出错。OCTIS把这些步骤整合进一个工具包，既支持LDA、NMF这类经典模型，也覆盖神经主题模型，并内置贝叶斯优化，能自动根据你选定的评估指标搜索超参数。这个项目被EACL 2021 demo track接收，自带预处理好的基准数据集和标准的连贯性、质量指标，让不同模型之间的对比既公平又可复现。它还提供一个网页仪表盘，不写代码就能启动和监控优化任务，同时Python API也支持脚本化流程。对于需要稳定、并排比较多个主题模型的研究者或工程师来说，这个包用起来很顺手。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。