Latent Dirichlet Allocation (LDA)
Latent Dirichlet Allocation (LDA) je generativní pravděpodobnostní model pro kolekce diskrétních dat, představený Bleiem, Ngem a Jordanem v roce 2003. Zachází s každým dokumentem jako se směsí latentních témat a s každým tématem jako s pravděpodobnostním rozdělením přes slova, což umožňuje bez dozoru objevovat tematickou strukturu napříč rozsáhlými textovými korpusy. Jedná se o jeden z nejcitovanějších článků v oblasti strojového učení a zpracování přirozeného jazyka.
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., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/cs/machine-learning/latent-dirichlet-allocation
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.
- K-Means shlukováníStrojové učení↔ compare
- Nezáporná maticová faktorizace (NMF)Strojové učení↔ compare
- Word2VecDolování textu↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →