Modellazione di Topic Supervisionata Debolmente
Il topic modeling supervisionato debolmente incorpora una conoscenza del dominio leggera — tipicamente parole seme o vincoli morbidi — in un modello probabilistico di topic per orientare i topic scoperti verso temi significativi per il ricercatore. Si colloca tra l'LDA completamente non supervisionato e i classificatori supervisionati, richiedendo molta meno annotazione del secondo pur producendo topic più interpretabili e allineati al dominio del primo.
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
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of EACL 2012, 204–213. link ↗
- Gallagher, R. J., Reing, K., Kale, D., & Ver Steeg, G. (2017). Anchored Correlation Explanation: Topic Modeling with Minimal Domain Knowledge. Transactions of the Association for Computational Linguistics, 5, 529–542. DOI: 10.1162/tacl_a_00078 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Topic Modeling (Seed-Guided / Constrained Topic Models). ScholarGate. https://scholargate.app/it/deep-learning/weakly-supervised-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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Modello di Topic LDAApprendimento profondo↔ compare
- Modello di Topic NMFApprendimento profondo↔ compare
- Modellazione di argomenti semi-supervisionataApprendimento profondo↔ compare
- Topic ModelingApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →