Polu-nadzirano modeliranje tema
Polu-nadzirano modeliranje tema proširuje nenadzirane modele tema kao što je LDA uključivanjem djelomičnog ljudskog nadzora — početnih riječi (seed words), označenih dokumenata ili ograničenja "mora-biti-povezano"/"ne-smije-biti-povezano" (must-link/cannot-link constraints) — kako bi usmjerilo otkrivene teme prema smislenim, domenski relevantnim kategorijama, istovremeno iskorištavajući veliki neoznačeni korpus za statističku snagu.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/hr/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)Strojno učenje↔ compare
- NMF (Nenegativna matrična faktorizacija)Strojno učenje↔ compare
- Word2VecRudarenje teksta↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →