正在加载中...
查看算法原理、公式、操作流程和结果说明。
向量误差修正模型（Vector Error Correction Model, VECM）用于刻画多个非平稳但存在协整关系的时间序列系统。其核心是把长期均衡关系（协整）与短期动态（差分项）统一到同一模型中。
BERTFinetune-BERT 微调 模块的真实实现位于 core/bertfinetunecalculator.py。它并不是传统机器学习的文本向量化分类器，而是调用 HuggingFace transformers 中的 AutoTokenizer 与 AutoMode…
FastText-fastText 文本分类 模块的真实实现位于 core/fasttextcalculator.py。它调用的是官方 Python fasttext 包中的监督学习接口：
LDA-主题模型 模块的真实实现位于 core/ldacalculator.py。该模块不是自写 Gibbs 采样器，而是先用 CountVectorizer 构造文档-词项矩阵，再调用 sklearn.decomposition.LatentDirichletAllocati…
NaiveBayesText-朴素贝叶斯文本分类 的真实实现位于 core/naivebayestextcalculator.py。该模块的整体流程是：
NMFTopic-NMF 主题模型 的真实实现位于 core/nmfrunner.py 与 core/textprep.py。该模块的核心不是概率主题模型，而是：
Sentiment-情感分析 的真实实现位于 core/calculator.py。这个模块不是单一算法，而是提供两条并行实现路径：
SVMText-SVM 文本分类 的真实实现位于 core/svmtextcalculator.py。该模块的完整流程是：
TextClassification-通用文本分类 的真实实现位于 core/calculator.py。它不是单一模型，而是一个传统机器学习文本分类统一接口，支持：
TextRank-关键词 的真实实现位于 core/textrankkeywordcalculator.py，界面参数入口在 ui/uploadwidget.py，结果导出与复现脚本生成功能在 ui/resultswidget.py。这套代码实现的是关键词提取，不是摘要生成，也…
TFIDFLR-TF-IDF + 逻辑回归 的真实实现位于 core/tfidflrcalculator.py。它使用 sklearn.pipeline.Pipeline 串联：
这个目录虽然命名为 Top2Vec-主题模型，但真实核心实现并不是官方 top2vec 包。项目里的主流程写在：
层次分析法（Analytic Hierarchy Process, AHP）是用于处理复杂多指标决策问题的经典主观赋权方法。其基本思想是：先将问题拆解为目标层、准则层与方案层，再通过两两比较构造判断矩阵，进而求解权重并进行一致性检验。
网络层次分析法（Analytic Network Process, ANP）是在 AHP 基础上发展起来的网络化多指标决策方法。与传统层次结构不同，ANP 允许指标之间存在反馈关系与相互依赖关系，并通过超矩阵（supermatrix）描述这种网络影响。
ARAS（Additive Ratio Assessment，加性比率评价法）是一种典型的多指标综合评价方法。其核心思想是：先构造包含理想最优方案的增广决策矩阵，再对各指标进行归一化与加权求和，最后通过方案得分与理想方案得分之比得到效用值，并据此完成排序。
BWM（Best-Worst Method，最佳-最坏法）是一种典型的主观赋权方法。其核心思想是：先从全部准则中识别出“最佳准则” B 与“最差准则” W，再分别构造“最佳相对其他准则”的偏好向量与“其他准则相对最差准则”的偏好向量，最后通过极小化最大偏差的线性规划模型求解权重。
CODAS（Combinative Distance-based Assessment，组合距离评价法）是一种基于负理想解距离的多指标综合评价方法。其核心思想是：先对原始指标矩阵进行标准化和加权，构造加权标准化矩阵；然后以各指标上的最小值作为负理想解，分别计算各方案到负理想解的…
COPRAS（Complex Proportional Assessment，复杂比例评估法）是一种典型的多指标综合评价方法。其基本思想是：先对各指标进行列和归一化，再结合指标权重得到加权标准化矩阵；随后分别汇总效益型指标贡献与成本型指标贡献，构造方案的相对重要度与效用值，并据…
DEMATEL（Decision Making Trial and Evaluation Laboratory，决策试验与评价实验室法）是一种用于识别复杂系统中指标间影响关系、因果结构与关键因素的重要方法。其核心思想是：先构造指标间的直接关系矩阵，再通过矩阵归一化与闭包累积得到…
EDAS（Evaluation based on Distance from Average Solution，基于平均解距离评价法）是一种典型的多指标综合评价方法。其核心思想是：先为每个指标构造平均解，再分别衡量各方案相对于平均解的正距离与负距离，随后结合指标权重形成综合得分…
适合连续阅读，作为本站在线教程的补充入口。