ScholarGate
Assistente
Latent structure

Latent Dirichlet Allocation (LDA)

Latent Dirichlet Allocation (LDA) è un modello probabilistico generativo per collezioni di dati discreti, introdotto da Blei, Ng e Jordan nel 2003. Tratta ogni documento come una miscela di argomenti latenti e ogni argomento come una distribuzione di probabilità sulle parole, consentendo la scoperta non supervisionata di strutture tematiche in ampi corpora testuali. È uno degli articoli più citati nell'apprendimento automatico e nell'elaborazione del linguaggio naturale.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022. DOI: 10.5555/944919.944937
  2. Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826
  3. Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 9). Springer. ISBN: 978-0-387-31073-2

Come citare questa pagina

ScholarGate. (2026, June 3). Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003). ScholarGate. https://scholargate.app/it/machine-learning/latent-dirichlet-allocation

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.

Compare side by side

Citato da

ScholarGateLatent Dirichlet Allocation (Latent Dirichlet Allocation (LDA — Blei, Ng & Jordan 2003)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/latent-dirichlet-allocation · Insieme di dati: https://doi.org/10.5281/zenodo.20539026