Многоезиково моделиране на теми
Многоезиковото моделиране на теми разширява вероятностни модели на теми като LDA към корпуси, обхващащи два или повече езика, като извлича споделени латентни теми през езиковите граници. Чрез свързване на разпределенията на темите между езиците, то позволява кръстосано-езиков анализ на документи, откриване на сравними теми и извличане на информация без необходимост от пълни паралелни корпуси.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL. link ↗
- Vulić, I., De Smet, W., & Moens, M.-F. (2015). Monolingual and cross-lingual information retrieval models based on (bilingual) word embeddings. In Proceedings of SIGIR 2015, pp. 363–372. ACM. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multilingual Topic Modeling (Cross-lingual Latent Topic Inference). ScholarGate. https://scholargate.app/bg/deep-learning/multilingual-topic-modeling
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Тематичен модел с ЛДАДълбоко обучение↔ сравняване
- Многоезикови векторни представяния на изреченияДълбоко обучение↔ сравняване
- Многоезичен трансформерДълбоко обучение↔ сравняване
- Тематичен модел с НМФДълбоко обучение↔ сравняване
- Тематично моделиранеДълбоко обучение↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →