Nõrgalt juhendatud teemamodelleerimine
Nõrgalt juhendatud teemamodelleerimine sisaldab kergeid domeeniteadmisi – tavaliselt seemnesõnu või pehmeid piiranguid – tõenäosuslikus teemamudelis, et suunata avastatud teemasid uurija jaoks tähenduslike teemade poole. See asub täielikult juhendamata LDA ja juhendatud klassifikaatorite vahel, nõudes oluliselt vähem annotatsioone kui viimased, samas kui esimesest toodab tõlgendatavamaid ja domeeniga paremini sobivaid teemasid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of EACL 2012, 204–213. link ↗
- Gallagher, R. J., Reing, K., Kale, D., & Ver Steeg, G. (2017). Anchored Correlation Explanation: Topic Modeling with Minimal Domain Knowledge. Transactions of the Association for Computational Linguistics, 5, 529–542. DOI: 10.1162/tacl_a_00078 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/et/deep-learning/weakly-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.
- BERT-põhine klassifitseerimineSüvaõpe↔ compare
- LDA teemamudelSüvaõpe↔ compare
- NMF teemamudelSüvaõpe↔ compare
- Poolt juhendatud teemamodelleerimineSüvaõpe↔ compare
- TeemamodelleerimineSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →