Latent Dirichlet Allocation (LDA)
Latent Dirichlet Allocation (LDA) एक असतत डेटा के संग्रह के लिए एक जनरेटिव संभाव्य मॉडल है, जिसे 2003 में Blei, Ng, और Jordan द्वारा प्रस्तुत किया गया था। यह प्रत्येक दस्तावेज़ को अव्यक्त विषयों (latent topics) के मिश्रण के रूप में और प्रत्येक विषय को शब्दों पर एक संभाव्यता वितरण के रूप में मानता है, जिससे बड़े पाठ कॉर्पोरा में विषयगत संरचना की अनपर्यवेक्षित खोज (unsupervised discovery) संभव होती है। यह मशीन लर्निंग और प्राकृतिक भाषा प्रसंस्करण में सबसे अधिक उद्धृत पत्रों में से एक 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. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/hi/machine-learning/latent-dirichlet-allocation
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.
- के-मीन्स क्लस्टरिंगमशीन अधिगम↔ compare
- ऋणात्मक मैट्रिक्स गुणनखंडन (NMF)मशीन अधिगम↔ compare
- Word2Vecपाठ खनन↔ compare