Мултимодален LDA топик модел
Мултимодалният LDA разширява латентното разпределение на Дирихле, за да моделира съвместно множество модалности на данни – най-често текст и изображения – в рамките на един вероятностен топик модел. Всеки документ или инстанция от данни е представена като смес от латентни топици, споделени между модалностите, което позволява на модела да открива кохерентни теми, които едновременно съгласуват визуалното и езиковото съдържание.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Blei, D. M. & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134. DOI: 10.1145/860435.860460 ↗
- Barnard, K., Duygulu, P., Forsyth, D., de Freitas, N., Blei, D. M. & Jordan, M. I. (2003). Matching words and pictures. Journal of Machine Learning Research, 3, 1107–1135. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multimodal Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/bg/deep-learning/multimodal-lda-topic-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Тематичен модел с ЛДАДълбоко обучение↔ compare
- Мултимодална класификация, базирана на BERTДълбоко обучение↔ compare
- Мултимодално тематично моделиранеДълбоко обучение↔ compare
- Мултимодален ТрансформерДълбоко обучение↔ compare
- Тематичен модел с НМФДълбоко обучение↔ compare
- Тематично моделиранеДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →