Modelado de Tópicos Semisupervisado
El modelado de tópicos semisupervisado extiende los modelos de tópicos no supervisados, como LDA, al incorporar supervisión humana parcial —palabras semilla, documentos etiquetados o restricciones must-link/cannot-link— para dirigir los tópicos descubiertos hacia categorías significativas y relevantes para el dominio, al tiempo que aprovecha el gran corpus no etiquetado para la fuerza estadística.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/es/deep-learning/semi-supervised-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.
- Asignación Latente de Dirichlet (LDA)Aprendizaje automático↔ compare
- Factorización de Matrices No Negativas (NMF)Aprendizaje automático↔ compare
- Word2VecMinería de texto↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →