正在加载中...
查看算法原理、公式、操作流程和结果说明。
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：
适合连续阅读，作为本站在线教程的补充入口。