Полу-контролирано тематично моделиране
Полу-контролираното тематично моделиране разширява неконтролираните тематични модели като LDA, като включва частична човешка супервизия — ключови думи, етикетирани документи или ограничения от типа „трябва да се свързват“/„не трябва да се свързват“ — за насочване на откритите теми към смислени, релевантни за домейна категории, като същевременно се използва големият неструктуриран корпус за статистическа сила.
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
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/bg/deep-learning/semi-supervised-topic-modeling
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.
- Латентна разпределение на Дирихле (LDA)Машинно обучение↔ compare
- Неотрицателна матрична факторизация (NMF)Машинно обучение↔ compare
- Word2VecИзвличане на текст↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →