Modélisation thématique multimodale
La modélisation thématique multimodale découvre la structure thématique latente partagée à travers plusieurs modalités de données — par exemple, des mots et des images co-occurants — en apprenant une représentation probabiliste conjointe qui aligne les thèmes entre les modalités. Elle étend les approches classiques basées uniquement sur le texte, telles que LDA, à des contextes où chaque document ou observation se compose de types de données hétérogènes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Blei, D. M., & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134. DOI: 10.1145/860435.860460 ↗
- Ramage, D., Dumais, S., & Liebling, D. (2010). Characterizing microblogs with topic models. Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media, 130–137. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Multimodal Topic Modeling (Joint Probabilistic Topic Discovery across Multiple Modalities). ScholarGate. https://scholargate.app/fr/deep-learning/multimodal-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.
- Modèle de Topics LDAApprentissage profond↔ compare
- Classification multimodale basée sur BERTApprentissage profond↔ compare
- Plongements de phrases multimodauxApprentissage profond↔ compare
- Transformeur MultimodalApprentissage profond↔ compare
- Modèle thématique NMFApprentissage profond↔ compare
- Modélisation par sujetsApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →