Machine learningDeep learning / NLP / CV
半教師ありトピックモデリング
半教師ありトピックモデリングは、LDAのような教師なしトピックモデルを、部分的な人間の監督（シード単語、ラベル付き文書、または必須リンク/禁止リンク制約）を組み込むことによって拡張し、発見されたトピックを意味のある、ドメイン関連のカテゴリに誘導しながら、統計的強度を得るために大規模なラベルなしコーパスを引き続き利用します。
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
- Ramage, D., Hall, D., Nallapati, R., & Manning, C. D. (2009). Labeled LDA: A supervised topic model for credit attribution in multi-labeled corpora. Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, 248–256. Association for Computational Linguistics. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating domain knowledge into topic modeling via Dirichlet forest priors. Proceedings of the 26th Annual International Conference on Machine Learning (ICML), 25–32. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Topic Modeling (Seed-guided and Labeled LDA variants). ScholarGate. https://scholargate.app/ja/deep-learning/semi-supervised-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.
- 潜在的ディリクレ配分法 (LDA)機械学習↔ compare
- 非負値行列因子分解 (NMF)機械学習↔ compare
- Word2Vecテキストマイニング↔ compare