Vínculos de utilidad

Código fuente

El código está disponible en este repositorio.

Proyecto banrep en Python Package Index

Esta es la página del proyecto en PyPI.

Distribución de python Anaconda

Acá puede descargar la distribución Anaconda.

Docs de spaCy

La librería se basa completamente en spaCy para procesamiento de texto.

Docs de JupyterLab

Los ejemplos de esta librería se escriben usando JupyterLab.

Apache TIKA server

La extracción de texto hace uso de Apache Tika, una reconocida librería de Java. Si no la tiene instalada, el módulo de extracción descarga una copia de Tika Server, y por tanto se requiere acceso a internet y la posibilidad de descargar ejecutables.

Implementación LDA de Gensim

Los modelos de tópicos se crean usando la implementación de Gensim.

Explicación de modelos LDA

Ver este artículo para una explicación más detallada de la intuición dentrás de estos modelos.