Multimodal Topic Modeling
Multimodal topic modeling discovers latent thematic structure shared across multiple data modalities — for example, co-occurring words and images — by learning a joint probabilistic representation that aligns topics across modalities. It extends classical text-only approaches such as LDA to settings where each document or observation consists of heterogeneous data types.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Blei, D. M., & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134. · DOI 10.1145/860435.860460
- Ramage, D., Dumais, S., & Liebling, D. (2010). Characterizing microblogs with topic models. Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media, 130–137. · URL
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.