Machine learningDeep learning / NLP / CV
自己教師ありLDAトピックモデル
自己教師ありLDAは、Latent Dirichlet Allocationの確率的生成フレームワークと、マスク単語予測や対照的文書目的などの自己教師あり事前学習シグナルを組み合わせ、手動でラベル付けされた訓練データを必要とせずにトピック発見を導きます。その結果、分布統計に根ざし、生のテキストから学習した言語構造によって豊かになったトピック表現が得られます。
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
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. link ↗
- Meng, Y., Huang, J., Zhang, Y., & Han, J. (2022). Topic Discovery via Latent Space Clustering of Pretrained Language Model Representations. Proceedings of WWW 2022, ACM. DOI: 10.1145/3485447.3512034 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/self-supervised-lda-topic-model
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.
- BERTベースの分類深層学習↔ compare
- LDAトピックモデル深層学習↔ compare
- NMFトピックモデル深層学習↔ compare
- 半教師ありLDAトピックモデル深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
- トピックモデリング深層学習↔ compare