잠재의미분석 (LSA - Latent Semantic Analysis)

잠재의미분석에 대해 쉬운 예제로 알아봅니다.
td-idf 또는 bag of word로 해결할 수 없는 토픽 모델링과 토픽 유사도를 잠재의미분석을 통해 해결해봅니다.
제가 만든 모든 머신러닝 관련 영상은 아래 재생목록에서 쉽게 찾으실 수 있습니다.
• 머신러닝

[@자연어천재만재]

혹시 자연어 천사이신가요? 너무 좋아요..

[@nax2kim2]

제가 다시 보려고 인덱싱합니다
항상 좋은 영상 감사합니다 많은 도움 얻고갑니다
3:33 cos similarity 계산 => 1(최고값) 나옴 (동일한 유사도를 가지고 있음 == 같은 축 상에 있음 == 즉 같은 topic으로 분류됨을 알 수 있음)

[@insight7095]

LSA를 이렇게 직관적으로 설명할 수 있다는 사실에 놀라고 갑니다 ㅠㅠ 감사합니다

[@LeeMyeongjae]

너무 좋은 강의 만들어 주셔서 감사합니다. ㅎㅎ

[@마핀-l1i]

친절하고 유익한 강의 감사드립니다.

[@정재현-p9q]

좋은 강의 제공해주셔서 감사합니다. 질문이 하나 있는데 pizza hamburger / sushi ramen 처럼 올바르게 분류되어 문장이 존재하기 때문에 다음과 같은 결과를 얻을 수 있는건가요?

[@spookyAlan]

안녕하세요 강의 잘 보았습니다. 설명해주신 것과 유사하게 메뉴들을 분석하여 업종 분석을 해보려고 합니다만 혹시 코드제공이 가능하실까요?

[@TheEasyoung]

제가 짠 코드가 없습니다. 구글링하시면 찾으실 수 있을 거예요!

[@spookyAlan]

답변 감사드립니다!

[@jungjoonkil1918]

실제 LSA를 활용하여 단어의 유사도나 공기관계를 파이썬으로 구현할 수 있나요?

[@TheEasyoung]

네 구현할 수 있습니다. 인터넷에서 많은 예제들을 찾으실 수 있어요.