स्व-पर्यवेक्षित एलडीए विषय मॉडल
स्व-पर्यवेक्षित एलडीए (Self-supervised LDA) लेटेंट डिरिचलेट एलोकेशन (Latent Dirichlet Allocation) के संभाव्य जनरेटिव ढांचे को स्व-पर्यवेक्षित प्रीट्रेनिंग संकेतों - जैसे मास्क्ड-वर्ड प्रेडिक्शन या कंट्रास्टिव डॉक्यूमेंट ऑब्जेक्टिव्स - के साथ जोड़ता है, ताकि हस्त-लेबल वाले प्रशिक्षण डेटा की आवश्यकता के बिना विषय खोज को निर्देशित किया जा सके। इसका परिणाम विषय प्रतिनिधित्व है जो एक साथ वितरण सांख्यिकी में निहित है और कच्चे टेक्स्ट से सीखे गए भाषा संरचना द्वारा समृद्ध है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
- Meng, Y., Huang, J., Zhang, Y., & Han, J. (2022). Topic Discovery via Latent Space Clustering of Pretrained Language Model Representations. Proceedings of WWW 2022, ACM. DOI: 10.1145/3485447.3512034 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Self-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/hi/deep-learning/self-supervised-lda-topic-model
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-आधारित वर्गीकरणगहन अधिगम↔ compare
- एलडीए विषय मॉडलगहन अधिगम↔ compare
- एनएमएफ विषय मॉडलगहन अधिगम↔ compare
- अर्ध-पर्यवेक्षित LDA विषय मॉडलगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare