Machine learningDeep learning / NLP / CV
מידול נושאים סמי-מפוקח
מידול נושאים סמי-מפוקח מרחיב מודלים נושאים בלתי מפוקחים כגון LDA על ידי שילוב פיקוח אנושי חלקי — מילות זרע, מסמכים מתויגים, או אילוצים של 'חייב-להיות-יחד'/'אסור-להיות-יחד' — כדי להכווין נושאים מגולים לקטגוריות משמעותיות ורלוונטיות לתחום, תוך ניצול מאגר הנתונים הלא מתויג הגדול לחוזק סטטיסטי.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/he/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.
- הקצאת דיריכלה סמויה (LDA)למידת מכונה↔ compare
- פירוק מטריצות לא-שליליות (NMF)למידת מכונה↔ compare
- Word2Vecכריית טקסט↔ compare