WB Vis
xt
总览
微博可视化
话题
选择话题
话题列表
用户
选择用户
用户列表
位置
选择位置
位置列表
转评赞可视化
转发
评论
点赞
定制可视化
上传数据然后可视化
多话题情感分析对比可视化
话题人物共现可视化
更多定制可视化
本站留言板
buyixiao's blog
2391527690@qq.com
BuyiXiao
李文亮微博评论 LDA 分析
Selected Topic:
Previous Topic
Next Topic
Clear Topic
Slide to adjust relevance metric:
(2)
0.0
0.2
0.4
0.6
0.8
1.0
λ =
1
PC1
PC2
Marginal topic distribution
2%
5%
10%
1
2
3
4
5
Intertopic Distance Map (via multidimensional scaling)
Overall term frequency
Estimated term frequency within the selected topic
1. saliency(term w) = frequency(w) * [sum_t p(t | w) * log(p(t | w)/p(t))] for topics t; see Chuang et. al (2012)
2. relevance(term w | topic t) = λ * p(w | t) + (1 - λ) * p(w | t)/p(w); see Sievert & Shirley (2014)
蜡烛
晚安
疫情
世界
鲜花
感觉
工作
生活
开学
医生
女足
亮哥
时间
家人
朋友
有点
情人节
考研
天堂
事情
妈妈
成绩
日子
结果
我会
月亮
孩子
学校
和平
社会
Top-30 Most Salient Terms
(1)
0
500
1,000
1,500
2,000
2,500
3,000