Latent Dirichlet Allocation (LDA) — Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) er en generativ probabilistisk model introduceret af Blei, Ng og Jordan (2003), der udtrækker de skjulte emnefordelinger under en samling af dokumenter. Den behandler hvert dokument som en blanding af latente emner og hvert emne som en fordeling over ord, hvilket omdanner et umærket korpus til fortolkelige temaer.
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
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/da/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.
- DokumentklyngningTekstmining↔ compare
- SentimentanalyseTekstmining↔ compare
- TF-IDFTekstmining↔ compare
- Word2VecTekstmining↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →