Slabě řízený model témat LDA
Slabě řízený LDA je rozšířením latentní Dirichletovy alokace, které začleňuje lehkou lidskou asistenci – typicky klíčová slova nebo omezení typu „musí být spolu“/„nemohou být spolu“ – do Dirichletových apriorních rozdělení, čímž řídí naučená témata k doménově smysluplným celkům, aniž by vyžadovalo plně označené dokumenty. Nachází se mezi plně neřízenou LDA a řízenou klasifikací, což jej činí vhodným pro situace, kde je označování tisíců dokumentů nepraktické.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/cs/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 témat LDAHluboké učení↔ compare
- Model témat NMFHluboké učení↔ compare
- Poloučený model témat LDAHluboké učení↔ compare
- Vektorové reprezentace větHluboké učení↔ compare
- Modelování tématHluboké učení↔ compare
- Slabě supervizovaná klasifikace založená na BERTHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →