Слабо контролиран LDA модел за теми
Слабо контролираният LDA е разширение на Latent Dirichlet Allocation, което включва леко човешко насочване — обикновено ключови думи или ограничения от тип „трябва да се свързват“/„не трябва да се свързват“ — в Dirichlet априорните разпределения, насочвайки научените теми към смислени за областта теми, без да се изискват напълно етикетирани документи. Той се намира между напълно неконтролирания LDA и контролираната класификация, което го прави подходящ за ситуации, в които етикетирането на хиляди документи е непрактично.
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
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), pp. 204–213. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors. Proceedings of the 26th International Conference on Machine Learning (ICML 2009), pp. 25–32. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/bg/deep-learning/weakly-supervised-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
- Тематичен модел с НМФДълбоко обучение↔ compare
- Полу-контролиран LDA модел на темиДълбоко обучение↔ compare
- Вграждане на изреченияДълбоко обучение↔ compare
- Тематично моделиранеДълбоко обучение↔ compare
- Слабо контролирана класификация, базирана на BERTДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →