add README

README.md

@@ -1,48 +1,12 @@
-# デモ実装（トピックの可視化）
-## 環境構築
-今回は必要なライブラリはこちらです。
-- gensim
-- scikit-learn
-- umap-learn
-- matplotlib
-- numpy
-- pandas
-
-Mecabは使用しません。
-
-# 例題
-- トピックモデルの各トピックからランダムに単語を生成する。top-pを実装してみる。
-- 多項分布(単語分布)から単語をサンプリングする
-- 各トピックから100個をサンプリングして、そのトピックをそのラベルとして、word2vecで単語ベクトルに変換して、２次元で可視化する
-- 文書をトピック分布のベクトルとして、２次元で可視化する。
-    - ラベルはトピック番号（文書のトピック分布の中で最も確率の高いトピック）にしてみる
-    - ラベルを文書のカテゴリにしてみる
-
-# 演習
-Livedoorニュースコーパスを分析するUIを作りましょう。  
-app.pyにはpyLDAvisによるトピックの可視化のみが置いてあります。  
-
-- 生データを一覧で確認できる
-- 記事のカテゴリの割合を確認できる
-
-Huggingfaceのspaceで公開してみましょう。   
-https://huggingface.co/new-space  
-lfsを使って、データなどをアップロードしましょう。  
-下記を参考にしてください。
-```
-git lfs install
-git lfs track '*.csv' '*.npy' '*.model' '*.id2word' '*.mm' '*.index' '*.dict' '*.state'
-git add lda_*
-git add word2vec.*
-git add raw_corpus.csv livedoor_demo.dict corpus.mm*
-git commit -m "add corpus, dict and mdel"
-git push
-```
-
-その他、色んな機能を実装してみましょう。
-下記を参考に、色んなデータの描画を行なってみてください。
-- gensim: 類似文書・単語検索や
-- pandas：記事のタイムスタンプの可視化
-- nlplot：テキストデータの可視化
-    - https://www.takapy.work/entry/2020/05/17/192947
-    - https://speakerdeck.com/takapy/streamlittonlplotwoshi-tutezi-ran-yan-yu-wofen-xi-sitemita
+---
+title: Test3
+emoji: 🏢
+colorFrom: gray
+colorTo: gray
+sdk: streamlit
+sdk_version: 1.17.0
+app_file: app.py
+pinned: false
+---
+
+Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference