Önszupravezérelt LDA témamodell
Az önszupravezérelt LDA a Latens Dirichlet Allokáció (LDA) probabilisztikus generatív keretrendszerét önszupravezérelt előtanítási jelekkel – mint például maszkolt szóelőrejelzés vagy kontrasztív dokumentumcélok – ötvözi, hogy a témafelderítést kézzel címkézett betanítási adatok nélkül irányítsa. Az eredmény olyan témaábrázolás, amely egyszerre alapul eloszlási statisztikákon és gazdagodik a nyers szövegből tanult nyelvi struktúrával.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
- Meng, Y., Huang, J., Zhang, Y., & Han, J. (2022). Topic Discovery via Latent Space Clustering of Pretrained Language Model Representations. Proceedings of WWW 2022, ACM. DOI: 10.1145/3485447.3512034 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/hu/deep-learning/self-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-alapú osztályozásMélytanulás↔ compare
- LDA témamodellMélytanulás↔ compare
- NMF TémamodellMélytanulás↔ compare
- Félfelügyelt LDA témamodellMélytanulás↔ compare
- MondatbeágyazásokMélytanulás↔ compare
- Tematikus modellezésMélytanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →