Autore:
Pinto, Luca
Titolo:
Structural Topic Model per le scienze sociali e politichePeriodico:
PolisAnno:
2019 - Fascicolo:
1 - Pagina iniziale:
163 - Pagina finale:
174The study of what social and political actors say and write can improve our understanding of political conflict and social interactions. To this purpose, scholars have developed several automated content methods to analyse large collections of texts. This note focuses on the structural topic model: a machine learning technique aimed at identifying topics in large-scale text collections with extensions that facilitate the inclusion of document-level metadata.
Premi sulle icone
![](http://www.bncf.firenze.sbn.it/img/logo-bncf.jpg)
a fianco dei nomi per visualizzare i libri scritti dall'autore
X
Opere monografiche dal catalogo BNCF
SICI: 1120-9488(2019)1<163:STMPLS>2.0.ZU;2-D
Testo completo:
https://www.rivisteweb.it/download/article/10.1424/92923Testo completo alternativo:
https://www.rivisteweb.it/doi/10.1424/92923Esportazione dati in Refworks (solo per utenti abilitati)
Record salvabile in Zotero
Biblioteche ACNP che possiedono il periodico