Flersproget emnemodellering
Flersproget emnemodellering udvider probabilistiske emnemodeller som LDA til korpusser, der spænder over to eller flere sprog, og udleder fælles latente emner på tværs af sproggrænser. Ved at binde emnefordelinger på tværs af sprog muliggør det tværssproglig dokumentanalyse, sammenlignelig emneopdagelse og informationssøgning uden at kræve fulde parallelle korpusser.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL. link ↗
- Vulić, I., De Smet, W., & Moens, M.-F. (2015). Monolingual and cross-lingual information retrieval models based on (bilingual) word embeddings. In Proceedings of SIGIR 2015, pp. 363–372. ACM. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multilingual Topic Modeling (Cross-lingual Latent Topic Inference). ScholarGate. https://scholargate.app/da/deep-learning/multilingual-topic-modeling
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.
- LDA Emne-modelDyb læring↔ compare
- Flersprogede sætningsindlejringerDyb læring↔ compare
- Multilingual TransformerDyb læring↔ compare
- NMF Emne-modelDyb læring↔ compare
- Emne-modelleringDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →