Modelado de Temas — Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) es un modelo probabilístico generativo introducido por Blei, Ng y Jordan (2003) que extrae las distribuciones de temas ocultos subyacentes a una colección de documentos. Trata cada documento como una mezcla de temas latentes y cada tema como una distribución de palabras, convirtiendo un corpus no etiquetado en temas interpretables.
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
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/es/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.
- Agrupación de documentosMinería de texto↔ compare
- Análisis de SentimientoMinería de texto↔ compare
- TF-IDFMinería de texto↔ compare
- Word2VecMinería de texto↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →