Machine learningDeep learning / NLP / CV
多言語トピックモデリング
多言語トピックモデリングは、LDAのような確率的トピックモデルを、2つ以上の言語にまたがるコーパスに拡張し、言語境界を越えて共有される潜在トピックを推論する。言語間のトピック分布を結びつけることで、完全な並列コーパスを必要とせずに、クロスリンガル文書分析、比較可能なトピック発見、情報検索を可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Mimno, D., Wallach, H. M., Naradowsky, J., Smith, D. A., & McCallum, A. (2009). Polylingual topic models. In Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 880–889. ACL. link ↗
- Vulić, I., De Smet, W., & Moens, M.-F. (2015). Monolingual and cross-lingual information retrieval models based on (bilingual) word embeddings. In Proceedings of SIGIR 2015, pp. 363–372. ACM. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Multilingual Topic Modeling (Cross-lingual Latent Topic Inference). ScholarGate. https://scholargate.app/ja/deep-learning/multilingual-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.
- LDAトピックモデル深層学習↔ compare
- 多言語文埋め込み深層学習↔ compare
- 多言語トランスフォーマー深層学習↔ compare
- NMFトピックモデル深層学習↔ compare
- トピックモデリング深層学習↔ compare