Modelatge de temes — Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) és un model probabilístic generatiu introduït per Blei, Ng i Jordan (2003) que extreu les distribucions de temes latents subjacents a una col·lecció de documents. Tracta cada document com una barreja de temes latents i cada tema com una distribució sobre paraules, convertint un corpus no etiquetat en temes interpretables.
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
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/ca/text-mining/topic-modeling-lda
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.
- Agrupació de documentsMineria de text↔ compare
- Anàlisi de sentimentsMineria de text↔ compare
- TF-IDFMineria de text↔ compare
- Word2VecMineria de text↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →