Teemamudeldamine — Dirichlet'i peidetud jaotus
Dirichlet'i peidetud jaotus (LDA) on Blei, Ng ja Jordan (2003) poolt tutvustatud generatiivne tõenäosuslik mudel, mis eraldab dokumentide kogumiku aluseks olevad peidetud teemajaotused. See käsitleb iga dokumenti peidetud teemade seguna ja iga teemat sõnade jaotuse kaudu, muutes märgistamata korpuse tõlgendatavateks teemadeks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/et/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.
- Dokumentide klasterdamineTekstikaeve↔ compare
- SentimentanalüüsTekstikaeve↔ compare
- TF-IDFTekstikaeve↔ compare
- Word2VecTekstikaeve↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →