Modelování témat — Latent Dirichletova alokace
Latent Dirichletova alokace (LDA) je generativní pravděpodobnostní model, který představili Blei, Ng a Jordan (2003) a který extrahuje skryté rozdělení témat pod povrchem sbírky dokumentů. Každý dokument považuje za směs latentních témat a každé téma za rozdělení slov, čímž převádí neoznačený korpus na interpretovatelné motivy.
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. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/cs/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.
- Shlukování dokumentůDolování textu↔ compare
- Analýza sentimentuDolování textu↔ compare
- TF-IDFDolování textu↔ compare
- Word2VecDolování textu↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →