Latent Dirichlet Allocation (LDA)
Latent Dirichlet Allocation (LDA) je generativni probabilistički model za kolekcije diskretnih podataka, koji su 2003. godine uveli Blei, Ng i Jordan. Tretira svaki dokument kao mješavinu latentnih tema, a svaku temu kao distribuciju vjerojatnosti nad riječima, omogućujući nadzirano otkrivanje tematske strukture u velikim tekstualnim korpusima. Jedan je od najcitiranijih radova u području strojnog učenja i obrade prirodnog jezika.
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
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/hr/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.
- K-Means klasteriranjeStrojno 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 →