अर्ध-पर्यवेक्षित LDA विषय मॉडल
अर्ध-पर्यवेक्षित LDA मानक लेटेंट डिरिचलेट एलोकेशन (Latent Dirichlet Allocation) का विस्तार है, जो अर्थपूर्ण रूप से सुसंगत, व्याख्या योग्य विषयों की खोज को निर्देशित करने के लिए थोड़ी मात्रा में पर्यवेक्षण — बीज शब्द, लेबल किए गए दस्तावेज़, या मस्ट-लिंक/कैनॉट-लिंक शब्द बाधाएँ — को शामिल करता है। यह अपर्यवेक्षित विषय मॉडलिंग और पूर्णतः पर्यवेक्षित पाठ वर्गीकरण के बीच एक सेतु का काम करता है, जिससे यह विशेष रूप से तब मूल्यवान हो जाता है जब पूर्ण एनोटेशन महंगा हो।
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
- 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 EMNLP, 248–256. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet Forest priors. Proceedings of ICML, 25–32. DOI: 10.1145/1553374.1553378 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/hi/deep-learning/semi-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
- अर्ध-पर्यवेक्षित NMF विषय मॉडलगहन अधिगम↔ compare
- अर्ध-पर्यवेक्षित ट्रांसफार्मरगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare
- विषय मॉडलिंगगहन अधिगम↔ compare