Machine learningDeep learning / NLP / CV

مدل‌سازی موضوعی خودنظارتی

مدل‌سازی موضوعی خودنظارتی، کشف موضوعات قابل تفسیر مدل‌های موضوعی کلاسیک را با اهداف یادگیری خودنظارتی - مانند زیان کنتراستیو، مدل‌سازی زبان پوشیده، یا بازسازی - ترکیب می‌کند تا موضوعات منسجم و غنی از نظر معنایی را از متن بدون برچسب و بدون نیاز به برچسب‌های حاشیه‌نویسی شده توسط انسان بیاموزد. این روش، مدل‌های موضوعی احتمالی کلاسیک و یادگیری بازنمایی مدرن را به هم پیوند می‌دهد و موضوعاتی را تولید می‌کند که با معنای متنی هم‌راستا هستند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Wu, X., Li, C., Zhu, Y., & Miao, Y. (2023). Effective Neural Topic Modeling with Embedding Clustering Regularization. Proceedings of the 40th International Conference on Machine Learning (ICML 2023), PMLR 202, 37335–37357. link
  2. Topic model. Wikipedia. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Self-Supervised Topic Modeling. ScholarGate. https://scholargate.app/fa/deep-learning/self-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.

Compare side by side
ScholarGateSelf-supervised topic modeling (Self-Supervised Topic Modeling). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/self-supervised-topic-modeling · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026