Modélisation thématique — Allocation de Dirichlet latente
L'Allocation de Dirichlet latente (LDA) est un modèle probabiliste génératif introduit par Blei, Ng et Jordan (2003) qui extrait les distributions thématiques cachées sous-jacentes à une collection de documents. Il traite chaque document comme un mélange de sujets latents et chaque sujet comme une distribution sur les mots, transformant un corpus non étiqueté en thèmes interprétables.
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., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Comment citer cette page
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/fr/text-mining/topic-modeling-lda
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.
- Le regroupement de documentsFouille de textes↔ compare
- Analyse des sentimentsFouille de textes↔ compare
- TF-IDFFouille de textes↔ compare
- Word2VecFouille de textes↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →