LDA supervisada feblement (Weakly Supervised LDA)
La LDA supervisada feblement és una extensió de l'Anàlisi Dirichlet Latent (Latent Dirichlet Allocation, LDA) que incorpora una guia humana lleugera —típicament llavors clau (keyword seeds) o restriccions de tipus 's'han-de-vincular'/'no-s'han-de-vincular' (must-link/cannot-link constraints)— als priors de Dirichlet, dirigint els temes apresos cap a temes significatius del domini sense requerir documents completament etiquetats. Se situa entre la LDA totalment no supervisada i la classificació supervisada, fent-la adequada per a situacions on etiquetar milers de documents no és factible.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ca/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.
- Model de temes LDAAprenentatge profund↔ compare
- Model de tema NMFAprenentatge profund↔ compare
- Model de Tòpics LDA Semi-SupervisatAprenentatge profund↔ compare
- Sentence EmbeddingsAprenentatge profund↔ compare
- Modelatge de temesAprenentatge profund↔ compare
- Classificació amb BERT basada en supervisió febleAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →