Monikielinen aiheiden mallinnus
Monikielinen aiheiden mallinnus laajentaa todennäköisyyspohjaisia aiheiden malleja, kuten LDA:ta, useita kieliä kattaviin aineistoihin, ja päättelee jaettuja piileviä aiheita kielirajojen yli. Sitomalla aiheiden jakaumat kielten välillä se mahdollistaa kieltenvälisen dokumenttianalyysin, vertailukelpoisten aiheiden löytämisen ja tiedonhaun ilman täysin rinnakkaista aineistoa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL. link ↗
- Vulić, I., De Smet, W., & Moens, M.-F. (2015). Monolingual and cross-lingual information retrieval models based on (bilingual) word embeddings. In Proceedings of SIGIR 2015, pp. 363–372. ACM. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multilingual Topic Modeling (Cross-lingual Latent Topic Inference). ScholarGate. https://scholargate.app/fi/deep-learning/multilingual-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.
- Latent Dirichlet Allocation (LDA) -aiheiden malliSyväoppiminen↔ compare
- Monikieliset lauseupotuksetSyväoppiminen↔ compare
- Monikielinen transformaattoriSyväoppiminen↔ compare
- NMF-aihemalliSyväoppiminen↔ compare
- AihemallinnusSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →