Machine learningDeep learning / NLP / CV
弱教師ありLDAトピックモデル
弱教師ありLDAは、潜在ディリクレ配分法（Latent Dirichlet Allocation; LDA）を拡張したもので、ディリクレ事前分布に軽量な人間のガイダンス――通常はキーワードシードまたは必須リンク/禁止リンク制約――を組み込むことにより、文書全体にラベルが付与されていなくても、学習されるトピックをドメインの意味論的に意味のあるテーマへと誘導する。これは、完全に教師なしのLDAと教師あり分類の中間に位置し、数千もの文書にラベルを付けることが非現実的な状況に適している。
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
- Jagarlamudi, J., Daume III, H., & Udupa, R. (2012). Incorporating Lexical Priors into Topic Models. Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2012), pp. 204–213. link ↗
- Andrzejewski, D., Zhu, X., & Craven, M. (2009). Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors. Proceedings of the 26th International Conference on Machine Learning (ICML 2009), pp. 25–32. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Weakly Supervised Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/weakly-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.
- 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
- 弱教師ありBERTベース分類深層学習↔ compare