dirichlet-topic.pl 1.0English dirichlet-topic.plはあるテキストのジャンルを良く表す単語を見つけてくれるスクリプトです。スムージングは割とちゃんとしているので、stop wordを指定したり、低頻度の単語を削除したりする必要はありません。 Apache License Version 2.0に基づいて配布しており、個人・研究・営利用を問わずぜひ使ってください。面白かったり、何かに使ったらりしたら、このページへのリンクを貼っていただけたら幸いです。 ここからダウンロードできます：dirichlet-topic.pl Ver. 1.0 また、Wikipediaの「IT」・「スポーツ」・「国」に関する記事でテスト用のデータセットを作りました。 使い方 パッケージに３つのスクリプトが付いています： combine-counts.pl 2つ以上のファイルの単語頻度を数えて、1つの頻度付き辞書に組み
