अर्ध-पर्यवेक्षित विषय मॉडलिंग
अर्ध-पर्यवेक्षित विषय मॉडलिंग एलडीए जैसे अनपर्यवेक्षित विषय मॉडल का विस्तार करती है, जिसमें आंशिक मानव पर्यवेक्षण शामिल होता है — बीज शब्द, लेबल किए गए दस्तावेज़, या अनिवार्य-लिंक/असंभव-लिंक बाधाएं — ताकि खोजे गए विषयों को सार्थक, डोमेन-प्रासंगिक श्रेणियों की ओर निर्देशित किया जा सके, जबकि सांख्यिकीय शक्ति के लिए बड़े अनलेबल किए गए कॉर्पस का भी लाभ उठाया जा सके।
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 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/hi/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.
- Latent Dirichlet Allocation (LDA)मशीन अधिगम↔ compare
- ऋणात्मक मैट्रिक्स गुणनखंडन (NMF)मशीन अधिगम↔ compare
- Word2Vecपाठ खनन↔ compare