Modelatge de temes feblement supervisat
El modelatge de temes feblement supervisat incorpora coneixement de domini lleuger — típicament paraules clau o restriccions toves — en un model probabilístic de temes per dirigir els temes descoberts cap a temes significatius per al investigador. Se situa entre el LDA completament no supervisat i els classificadors supervisats, requerint molta menys anotació que aquests últims, alhora que produeix temes més interpretables i alineats amb el domini que el primer.
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 EACL 2012, 204–213. link ↗
- Gallagher, R. J., Reing, K., Kale, D., & Ver Steeg, G. (2017). Anchored Correlation Explanation: Topic Modeling with Minimal Domain Knowledge. Transactions of the Association for Computational Linguistics, 5, 529–542. DOI: 10.1162/tacl_a_00078 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/ca/deep-learning/weakly-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.
- Classificació basada en BERTAprenentatge profund↔ compare
- Model de temes LDAAprenentatge profund↔ compare
- Model de tema NMFAprenentatge profund↔ compare
- Modelatge de temes semi-supervisatAprenentatge profund↔ compare
- Modelatge de temesAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →