Multimodal LDA Topic Model
Multimodal LDA rozšiřuje latentní Dirichletovu alokaci (Latent Dirichlet Allocation, LDA) tak, aby v rámci jediného pravděpodobnostního rámce pro témata společně modelovala více datových modalit – nejčastěji text a obrazy. Každý dokument nebo datová instance je reprezentována jako směs latentních témat sdílených napříč modalitami, což modelu umožňuje objevit koherentní témata, která současně sladí vizuální a lingvistický obsah.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Blei, D. M. & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134. DOI: 10.1145/860435.860460 ↗
- Barnard, K., Duygulu, P., Forsyth, D., de Freitas, N., Blei, D. M. & Jordan, M. I. (2003). Matching words and pictures. Journal of Machine Learning Research, 3, 1107–1135. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-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 témat LDAHluboké učení↔ compare
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Multimodální modelování tématHluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
- Model témat NMFHluboké učení↔ compare
- Modelování tématHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →