Topic Modeling — Latent Dirichlet Allocation
Latent Dirichlet Allocation (LDA) è un modello probabilistico generativo introdotto da Blei, Ng e Jordan (2003) che estrae le distribuzioni latenti dei temi sottostanti una collezione di documenti. Tratta ogni documento come una miscela di temi latenti e ogni tema come una distribuzione sulle parole, trasformando un corpus non etichettato in temi interpretabili.
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. link ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Latent Dirichlet Allocation Topic Modeling. ScholarGate. https://scholargate.app/it/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.
- Clustering di documentiText mining↔ compare
- Analisi del SentimentoText mining↔ compare
- TF-IDFText mining↔ compare
- Word2VecText mining↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →