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.
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., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022. DOI: 10.5555/944919.944937 ↗
- Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84. DOI: 10.1145/2133806.2133826 ↗
- 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.
- Clustering K-MeansApprendimento automatico↔ compare
- Fattorizzazione di Matrici Non-Negative (NMF)Apprendimento automatico↔ compare
- Word2VecText mining↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →