Pemodelan Topik — Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) adalah model probabilistik generatif yang diperkenalkan oleh Blei, Ng, dan Jordan (2003) yang mengekstraksi distribusi topik laten tersembunyi yang mendasari sekumpulan dokumen. Model ini memperlakukan setiap dokumen sebagai campuran dari topik laten dan setiap topik sebagai distribusi atas kata-kata, mengubah korpus yang tidak berlabel menjadi tema yang dapat diinterpretasikan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Blei, D.M., Ng, A.Y. & Jordan, M.I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/id/text-mining/topic-modeling-lda
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.
- Pengelompokan DokumenPenambangan Teks↔ compare
- Analisis SentimenPenambangan Teks↔ compare
- TF-IDFPenambangan Teks↔ compare
- Word2VecPenambangan Teks↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →