Puolivalvottu aiheiden mallinnus
Puolivalvottu aiheiden mallinnus laajentaa valvomattomia aiheiden mallinnusmenetelmiä, kuten LDA:ta, käyttämällä osittaista ihmisen antamaa ohjausta – siemen sanoja, merkittyjä dokumentteja tai pakollisia/kiellettyjä linkkirajoitteita – ohjaamaan löydettyjä aiheita merkityksellisiin, alakohtaisiin kategorioihin hyödyntäen samalla suurta merkitsemätöntä aineistoa tilastollisen voiman saavuttamiseksi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/fi/deep-learning/semi-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.
- Latent Dirichlet Allocation (LDA)Koneoppiminen↔ compare
- Ei-negatiivinen matriisihajotelma (NMF)Koneoppiminen↔ compare
- Word2VecTekstinlouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →