Heikosti ohjattu aiheiden mallinnus
Heikosti ohjattu aiheiden mallinnus (weakly supervised topic modeling) yhdistää kevyttä domain-tietoa – tyypillisesti siemen-sanoja tai pehmeitä rajoitteita – todennäköisyyspohjaiseen aiheiden malliin ohjaamaan löydettyjä aiheita tutkijan kannalta merkityksellisiin teemoihin. Se sijoittuu täysin ohjaamattoman LDA:n ja ohjattujen luokittelijoiden väliin, vaatien huomattavasti vähemmän annotointia kuin jälkimmäiset, tuottaen samalla tulkittavampia ja domainiin paremmin sovitettuja aiheita kuin edellinen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/fi/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-pohjainen luokitteluSyväoppiminen↔ compare
- Latent Dirichlet Allocation (LDA) -aiheiden malliSyväoppiminen↔ compare
- NMF-aihemalliSyväoppiminen↔ compare
- Puolivalvottu aiheiden mallinnusSyväoppiminen↔ compare
- AihemallinnusSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →