Modellazione di argomenti multimodali
La modellazione di argomenti multimodali scopre strutture tematiche latenti condivise tra più modalità di dati — ad esempio, parole e immagini co-occorrenti — apprendendo una rappresentazione probabilistica congiunta che allinea gli argomenti tra le modalità. Estende gli approcci classici basati solo sul testo, come LDA, a contesti in cui ogni documento o osservazione consiste in tipi di dati eterogenei.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Multimodal Topic Modeling (Joint Probabilistic Topic Discovery across Multiple Modalities). ScholarGate. https://scholargate.app/it/deep-learning/multimodal-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.
- Modello di Topic LDAApprendimento profondo↔ compare
- Classificazione basata su BERT multimodaleApprendimento profondo↔ compare
- Embedding multimodali di frasiApprendimento profondo↔ compare
- Transformer MultimodaleApprendimento profondo↔ compare
- Modello di Topic NMFApprendimento profondo↔ compare
- Topic ModelingApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →