This chapter provides an overview o

This chapter provides an overview of the theory underlying LDA (Latent Dirichlet Allocation), the most popular topic-analysis method today. Next it illustrates, with a brief tutorial introduction, how to employ LDA on a textual data set. Third, it reviews the software-engineering literature for uses of LDA for analyzing textual software-development assets, in order to support developers’ activities. Finally, we discuss the interpretability of the automatically extracted topics, and their correlation with tags provided by subject-matter experts.

ผลลัพธ์ (ไทย) 1:

บทนี้แสดงภาพรวมของทฤษฎีต้น LDA (แฝงอยู่ Dirichlet การปันส่วน), วิธีวิเคราะห์หัวข้อแห่งวันนี้ ถัดไป จะแสดง มีการนำบทสอนโดยสังเขป วิธีการจ้าง LDA ชุดข้อมูลเป็นข้อความ 3 จะรีวิวจากวรรณกรรมวิศวกรรมซอฟต์แวร์สำหรับการใช้ LDA สำหรับวิเคราะห์พัฒนาซอฟต์แวร์เป็นสินทรัพย์ การสนับสนุนกิจกรรมของนักพัฒนา สุดท้าย เราหารือ interpretability หัวข้อแยกโดยอัตโนมัติ และความสัมพันธ์ของพวกเขา ด้วยแท็กโดยผู้เชี่ยวชาญ

ผลลัพธ์ (ไทย) 2:

ในบทนี้จะให้ภาพรวมของทฤษฎีพื้นฐาน LDA (การจัดสรร Dirichlet แฝง) วิธีการวิเคราะห์หัวข้อที่นิยมมากที่สุดในวันนี้ ถัดไปแสดงให้เห็นด้วยการแนะนำสั้นสอนวิธีการจ้าง LDA ในชุดข้อมูลที่เกี่ยวกับใจ ประการที่สามการทบทวนวรรณกรรมซอฟแวร์สำหรับการใช้งานด้านวิศวกรรมของ LDA สำหรับการวิเคราะห์สินทรัพย์การพัฒนาซอฟแวร์ต้นฉบับเดิมในการสั่งซื้อเพื่อสนับสนุนกิจกรรมพัฒนา ' สุดท้ายเราหารือ interpretability ในหัวข้อที่สกัดโดยอัตโนมัติและความสัมพันธ์ของพวกเขาที่มีแท็กให้บริการโดยผู้เชี่ยวชาญเรื่องของ

ผลลัพธ์ (ไทย) 3:

ไม่มีใครต้องการที่จะรออะไรที่ไม่แน่นอนไม่มีใครต้องการที่จะรออะไรที่ไม่แน่นอน