Modelo de Tópicos LDA Débilmente Supervisado
LDA Débilmente Supervisado es una extensión de Latent Dirichlet Allocation que incorpora una guía humana ligera — típicamente semillas de palabras clave o restricciones de enlace obligatorio/no enlace — en los priors de Dirichlet, dirigiendo los tópicos aprendidos hacia temas significativos del dominio sin requerir documentos completamente etiquetados. Se sitúa entre el LDA totalmente no supervisado y la clasificación supervisada, lo que lo hace adecuado para situaciones donde etiquetar miles de documentos es poco práctico.
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
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), pp. 204–213. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors. Proceedings of the 26th International Conference on Machine Learning (ICML 2009), pp. 25–32. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/es/deep-learning/weakly-supervised-lda-topic-model
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.
- Modelo de Tópicos LDAAprendizaje profundo↔ compare
- Modelo de Tópicos NMFAprendizaje profundo↔ compare
- Modelo de Tópicos LDA Semi-supervisadoAprendizaje profundo↔ compare
- Incrutaciones de oracionesAprendizaje profundo↔ compare
- Modelado de TemasAprendizaje profundo↔ compare
- Clasificación basada en BERT con supervisión débilAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →